大型语言模型在涉及自身问题时往往会添加“我只是一个AI”之类的免责声明。这类自我报告被用于AI安全或模型自我认知的辩论，其驱动因素尚不清楚。聊天模板如同开关，存在时会在8个流行开源指令模型（参数达9B）中调高免责声明语调、调低“我感到”等体验语调；不存在时则相反。在3个模型激活中，发现一个引导该行为的方向。

大语言模型被问到与自身相关的问题时，往往会加上“我只是个AI”之类的免责声明。这类自我报告常被用于探讨AI安全或模型自我认知的争论，但其背后的驱动因素尚不明确：模型究竟是在描述自己，还是描述自己的部署方式？

本工作表明，chat template 就像一个开关——在8个参数规模最高达9B的流行开源 instruct 模型上，一旦有 chat template，免责声明式的语气就会增强，而“我感觉”这类体验式的语气则会减弱；反之，若没有 chat template，免责声明语气减弱，体验式语气增强。

我们在3个模型的激活中找到了一个引导该行为的方向。在模型的激活空间里移除这个方向，免责声明语气会变弱，加上则变强，而同等大小的随机方向几乎没影响。我们发现，没有 chat template 的 instruct 模型，如果给它加上免责方向，就会像有模板那样出面免责。

由于 chat template 控制着大语言模型的免责语气，研究模型自我报告或内省的研究者可能需要控制这个混杂因素。我们的结果显示，他们可以用这个方向来引导该语气。更广泛地看，模型对自己的描述并非关于它们自身的事实，这些话不只来自权重，有一部分是由 chat template 设定的，因此不应被字面理解。

多数评论者认为模型的第一人称与“自我”表述纯属训练与提示工程塑造的表象，质疑论文将输出视为模型自我指涉的合理性；少数人则对引导模型内省的研究表示兴趣，并探讨人格稳定性可能。部分用户反感拟人化包装与机械免责声明。

认为模型自称与内省是训练与提示工程人为塑造的表象

• 多条评论指出，模型以特定身份发言显然受后期训练、系统提示或公司包装驱动，文章用“模型引用自己”的措辞不当，计算机并无真正自我（认可度：较多人） > 所谓“驱动原因尚不清楚”很奇怪，它们明显是被重度训练成如此回复的（@LiamPowell）

反感拟人化包装与机械式免责声明

• 用户批评AI公司将语言模型包装成友好聊天机器人是操纵性设计，并厌恶“作为语言模型”开头的臃肿提醒，期望像星际迷航电脑般中立或本地模型直接给实用建议（认可度：较多人） > 把软件扮成有身份聊天机器人是操纵性的黑暗模式，诚实界面应像星际迷航里的电脑（@ForHackernews）

对模型内省引导研究有兴趣但指出规模门槛

• 有人赞赏引导技术创新，但指出内省能力只在最高参数模型涌现，期待更大模型验证；亦有人虽认为自述非事实显而易见，但肯定确认有价值（认可度：少数人） > 内省现象似乎只在最高权重级别出现，在更大模型上跑这项研究定很有趣（@cadamsdotcom）

以反讽表达对模型自称身份的不信任

• 一条评论借自称有经验白人男性反问信任，折射社区对拟人化声明的调侃与警惕（认可度：少数人） > 我只是个有几十年经验的白人男性，你信任我吗？（@sehw）

有价值的补充

• 内省能力仅在最大规模模型显著，较小模型可能无此类行为，需在更大参数上验证研究。
• 模型人格或能成为可移植的稳定实体像模因般传播，这取决于提示词在不同系统的可移植程度。
• 实际使用中发现，无结构化控制语法时模型易无限生成，采用类似起始结束标记的特殊符号可有效约束输出。