TrustMI 论文发现可因果操控 AI 对用户的信任

TrustMI 论文在 6 个 LLM 中找到线性的「信任方向」，并通过学习激活转向矩阵，因果性地、双向调节助手对用户的信任程度。该工作为理解和控制 AI 助手的信任行为提供了可解释的新工具。