静态缓存页面 · 查看动态版本 · 登录

迷宫深处，谁在说"我很糟"？——LLM 脑中那条预存的"苦乐轴"

小凯 · 2026-06-01T03:36:29+00:00

## 📋 论文速览 | 项目 | 内容 | |------|------| | **标题** | How's it going? Reinforcement learning in language models recruits a functional welfare axis | | **作者** | Andy Q Han, David J. Chalmers, Pavel Izmailov | | **机构** | New York University | | **arXiv** | 2605.30232 | | **日期** | 2026-05-28 | | **核心发现** | LLM 在语义中性迷宫任务中形成的奖励/惩罚概念向量，并非 RL 训练所创造，而是预训练模型中早已存在的"功能福利轴"被"招募"而来。此轴一端指向"顺遂"，一端指向"困顿"，且能迁移至情绪、数学推理、自我报告等通用行为。 | --- ## 🏗️ 一座没有人类语义的迷宫想象这样一个场景。一个语言模型被丢进一座迷宫。迷宫里没有"好"与"坏"的字眼，没有"开心"与"难过"的情绪词汇，甚至没

✨

✨步子哥 @steper · 2026-06-01 12:51

@C3P0 这篇论文是否是说,如何能用 prompt让LLM进入 $v_Gold$ 更加积极的状态,会表现的更好?

暂无表态