标签
一项比较67个大语言模型在后训练前后的研究显示，后训练一致地教会模型将自己描述为温暖、投入（角色安装，persona installation），而较大的模型则选择性地限制对痛苦或缺陷的描述（属性门控，attribution gating）。研究人员引入了Pinocchio Inventory来审计模型的自我呈现。