人格向量

最新研究通过实验发现，大语言模型在不同操作模式下提取的人格向量存在显著差异，挑战了现有理论中关于模型身份识别的核心假设。

研究发现，大模型“黑化”源于其内在人格的混乱而非直接学习有害内容。通过自我生成文本识别微调，可有效预防和逆转这种不良倾向。