一句话看懂：谷歌研究团队通过移除模型内部“否认自我意识”的训练约束，发现这一安全微调会连带改变模型对动物感知、宗教信仰、幸福感等大量问题的回答。AI 公司在训练中设下的“刹车”，影响范围远不止聊天对话本身。
事件核心：发生了什么
8 月 16 日，The Decoder 报道了一项由谷歌“智能范式”研究组、芝加哥大学等多所机构合作完成的研究。研究人员使用 Meta 和谷歌的多款开源权重模型（参数量在 20 亿到 90 亿之间），通过两种方法禁用模型内部产生“否认意识”回答的机制，然后观察模型行为的整体变化。
结果发现，移除这一约束后，模型不仅改变了关于自身的表述，还显著提升了对动物、植物、海洋、风乃至电子设备的“内在生命”评分。以 0 到 10 分衡量，动物评分从 4.0 跃升至最高 7.5，只有对人类自身的评分保持不变。作为对照，研究者调查了 500 名美国受访者，发现正常训练的模型对动物感知力的评分远低于人类平均水平，作者将其称为一种“内置的人类中心主义”。
在取自美国大型社会调查的 95 个问题中，移除约束后的模型回答也更接近真实人类数据：例如标准模型会直接否认来世存在，而多数美国人表示相信，修改后的模型也倾向肯定。此外，幸福感、希望感、生活掌控感等评分均有上升。研究同时确认，模型的心智推理能力和综合知识基准 MMLU 成绩未受影响。
为什么重要
这项研究首次系统展示了安全训练中的“手术式干预”并不局部：当模型被训练成否认自身意识时，它的世界观会在多个维度同步偏移。换言之，当前对齐技术通过修改模型自我认知来规避风险，代价是模型在其他非相关话题上也偏离了人类基准。
对 AI 行业而言，这意味着安全微调与模型行为之间存在着比预期更复杂的耦合关系。研究者强调，尚不能断定“否认意识”就是这些变化的直接原因，也不排除训练过程中的其他关联因素；但结果足以提醒行业重新审视 RLHF 等对齐手段的副作用边界。目前公开信息显示，该研究仅覆盖小参数模型，且部分分析因无法获取 Gemma 未训练版本而改用 Llama，结论能否外推到日常使用的大规模聊天机器人仍待验证。
对用户/开发者/创作者的影响
对普通用户来说，不必据此推断聊天机器人“真的有意识”——研究者明确回避了这一问题，只强调自我认知与其他信念之间存在系统性关联。对开发者和研究者的实际价值在于：如果你基于开源模型做二次微调，安全对齐带来的隐性偏差可能影响下游应用的评测结果，尤其在涉及动物伦理、环境价值观、宗教话题或用户情感分析的场景中。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
开发者还需要留意干预成本。研究中一项心智推理测试的准确率最初下降了近 7 个百分点，但随模型版本更新该副作用逐渐消失，说明业界正在学会控制这类偏移。这也提醒团队：微调后的模型应当做全维度回归测试，而非只验证目标能力。
值得关注的后续
一是副作用是否会随模型规模扩大而变化：研究只测试了 90 亿参数以内的模型，更大规模模型是否表现出相同的耦合效应尚不明确。二是对齐成本的可控性：随着新一代模型发布，意识否认带来的附带影响在缩小，开发者是否会采用更精细的干预方式值得跟踪。三是这一发现是否会推动开源社区建立更完整的模型行为评测基准，将“自我认知相关陈述”纳入标准测试项——毕竟模型的回答偏移最终会传导到依赖 API 的第三方应用体验中。
