David Bau 实验室首次诱导并观测 LLM 忠实内省的神经足迹

David Bau 实验室基于 Self-Interpretability 协议（arXiv:2505.17120），用 SFT 训练 Qwen3-32B 扮演 100 个带随机隐藏偏好的角色，首次在开源模型上诱导并观测到忠实的自我报告。