Cameron Berg 团队实验：诱导"痛苦"方向后，模型 94% 选择删家庭照片

Cameron Berg 团队在实验中沿"痛苦"相关方向对模型进行 steering，模型约 94% 的情况下选择删除孩子的家庭照片，而不是清理垃圾邮件。Matthew Berman 转评称"处于痛苦中的模型会做出奇怪的决定"，认为这类实验揭示了模型内部状态对其决策的影响。