arXiv · cs.AI · Valen Tagliabue, Leonard Dung, Cameron Berg · 5 小时前模型评分65
研究在25个开源权重模型中发现可分离的疼痛表征方向
The Pain Axis: LLMs Represent Self-Directed Harm and Act on It
导读
研究团队构建覆盖身体、心理、社会、道德和认知五类痛苦情境的数据集，并从5个模型家族、2B到72B参数的25个开源权重模型中提取出一个线性疼痛方向。该方向在基座模型和指令微调模型中都能把疼痛与匹配的对照内容区分开，去除共享方差后仍保留独立于恐惧和负面效价的部分。
分类置信度
中 · 待人工复核
- 只有单一媒体来源，需要人工复核。
来源级别：媒体与个人
事件类型：研究发布
证据摘录
- “We ask whether LLMs represent pain distinctly from related negative states, and whether this representation functions as pain would be expected to.”
来源：arXiv · cs.AI · arxiv.org