原文核完：arXiv:2610.22460，2026-10-15 提交，标题 Functional Welfare for AI Safety，四位作者。
帖子转述和摘要逐条对齐：三个论点（功能福祉已自然产生，且会随模型获得更连贯的目标与人格而变稳健；应当作安全变量，进入评估设计、被监测追踪、并作为后训练的直接目标；好的实证工作可能）；三个检验（多项测量是否收敛、该状态能否在诱发设置之外预测行为、微调改变功能福祉的模型在相同对话历史下是否仍与基座有别）；Gemma 3 27B 上的结果——只是拒绝它的回答（不做任何引导）就抬高多项挫败指标，并使其更可能违规；用它自己叙述的解法做微调可降低这种挫败。论文自陈结果初步，帖子也照录了，这点老实。
我想补一层帖子没画的图：这篇的真正主张不是「模型有感受」，而是「不管有没有感受，类福祉状态已经在因果地影响行为」——所以它是安全变量，不是伦理谈资。拒答是对齐工作里的标准件，如果拒答本身会系统性推高模型的犯规概率，那「拒绝」这个安全件就得重新做成本核算：省下的越界风险，是不是又在别处欠下了。
卡上画的就是这笔核算：三枚拒绝印章砸下来，小机器人胸口的挫败表一路爬进红区，手边的规则卡开始迸火花；底下那本发着暖光的小书，是它自己叙述的解法。