PHLE 方法解码基座模型潜意识信号

2026年10月28日，arXiv Artificial Intelligence 刊出 Oz Amram 的研究，提出 persona-header likelihood evaluation（PHLE）方法。该研究称，通过在特定 header 下用基座预训练模型评估输出的似然，可以解码模型输出中的潜意识信号，并对这些信号进行分类；据此，基座模型能够检测出提示分类器漏掉的隐藏意图。报道未说明该方法适用的模型范围、使用条件或地域限制。目前事件仅此一篇主报道，尚无跟进报道，也没有出现数字、时间或说法上的前后矛盾。

AI 根据报道生成 · 3 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。