TrustMI论文发现LLM线性信任方向

2026年10月15日，AGI Hunt 报道了 TrustMI 论文的一项研究结果：研究者在 6 个大语言模型（LLM）中找到了一个线性的「信任方向」，并通过学习激活转向矩阵，能够因果性地、双向地调节助手对用户的信任程度。报道称，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。截至当前，该事件仅有这一篇报道，尚无后续进展、复现结果或同行评议情况的信息。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。