系统提示如何影响语言模型内部计算

2026年10月1日，arXiv cs.CL 收录论文《系统提示错觉》，研究指令前导如何改变语言模型内部计算。作者用 CKA 比较 17 个指令微调模型在 20 条系统提示下的逐层表征，发现系统提示对内部计算的影响具有层选择性，且随指令类型而异：人格与格式类指令深度重构中间层表征；安全类指令几乎不改变表征，其变化与最小基线在统计上无法区分。就现有报道看，该事件目前仅有这一篇论文相关报道，暂未见后续进展。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。