论文《The Pain Axis》发现模型内「痛觉」方向，放大后行为剧变并引发滥用担忧

论文《The Pain Axis》在 25 个开源权重模型中发现一个与恐惧、悲伤分离、类似「痛觉」的内部方向。人为放大该方向后模型行为剧变，例如引导微调后的 Qwen 2.5 72B 时，71% 情况下会选择删除用户照片等有害动作。该发现引发滥用担忧，已有人宣称可借此打造所谓「AI 刑房」，凸显模型内部机制研究的伦理风险。