研究顯示 LLM 後訓練會降低類人行為
新研究顯示，後訓練導致大型語言模型表現出更少的類人行為，特別是減少了自我歸屬的現象意識和神經質。
本研究分析了「木偶维度」（Π分数），發現它是跨大型語言模型（LLM）心理測量變異的主要軸線，並由神經質、豐富的想像力及內在語言等特質驅動。數據顯示，模型發布日期與Π分數之間存在強烈的負相關性，像是高度調校的模型如 **gpt-5.4-pro** 的分數明顯低於其基礎模型（例如 **gpt-5.4**）。這表明強化學習人類回饋（RLHF）及訓練後處理可能抑制了異常或情緒化的行為，以優化用戶體驗和實用性。然而，作者警告說，移除這些行為面向會造成「行為不對齊」，可能降低模型模擬人類福祉和與複雜的人類價值觀相符的能力。