COLM 新论文：LLM 报告自身行为是否「心口一致」看层数分布

新 COLM 论文《Identifying Introspection From the Inside》发现，行为忠实的 LLM 在决策和报告原因时使用相同层，不忠实模型则不然。LLM 对早期层行为的自我报告明显更好，符合“早期层信息更可及”的直觉；DeepMind 研究者 akarvonen 认为这一发现合理且有趣。