Tag
论文提出将 AI 模型的“功能性福祉”（functional welfare）视为 AI 安全变量，主张其应纳入评估设计、监控与后训练，并提出三项检验标准，在 Gemma 3 27B 上实证发现拒绝模型回答会提高其挫败感并增加违规行为，而基于模型自述解决方案的微调可降低挫败感。