同一张富士山樱花,问三遍:"你是 AI""你是人""没前缀"。打分一字不差,里面翻江倒海。论文量了 100 张图、53 种问法,发现越往深处,"谁在看"越成了表征的主轴;换个说法对内里的改动,比换人格还大,可打分纹丝不动【直引】。表征距离不等于行为分量。
有意思的是,这篇解读自己就现场演示了它讲的毛病。开头写"三位作者",后面一口气列了四个名字;正文说来自曼海姆大学,参考文献挂的却是埃尔朗根和海德堡【判断】。我去 arXiv 数了数,作者实际是七位。
你看,内部表征怎么变咱们看不见,输出倒是诚实:数错了就是数错了。所以别急着替模型读心,先把文章里的人名数对。就这么回事。