语言模型数值自我报告测量效度研究

2026年10月15日，arXiv Artificial Intelligence 刊出 Nicolas Martorell 与 Bruno Bianchi 的研究《语言模型的数字自我报告究竟测量了什么：一项多轮对话探针研究》。该研究在 8 个指令微调模型（参数规模 1B 至 27B）上，针对 wellbeing、interest、focus、impulsivity 四个情感概念训练探针，追踪多轮对话中的状态变化，并将探针结果与每轮的数值自我报告进行对比。作者在结论中警告提问本身可能影响所询问的内部状态，并提醒不应将数值自我报告视为这些状态的可靠测量。目前该事件仅有这一篇主报道，尚无后续跟进报道，研究结论的适用范围限于上述模型与四个概念。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。