14项预注册研究复现LLM内省定位：信号可解码但无法自我报告
先了解这件事
varchasayya-alt 于 2026-10-14 至 10-25 在笔记本 CPU 上完成 14 项预注册研究，公开于 introspection-localization-controls 仓库，测试 Llama-3.2-1B/3B、Llama-3.1-8B 与 Tülu-3-8B 的句子定位内省任务。 核心结论：注入信息的感知信号在包括 base 模型在内的各阶段均存在且线性可解码（probe AUC 约 0.99-1.00），但 8B 模型无法形成显式 yes/no 自我报告，信息提示和拒绝方向消融均未能解锁。研究还发现原协议的定位结果可被文本损坏解释，换用作者协议后 Tülu-3-8B 在文本完好时定位达 93%。 仓库公开全部提交历史作为预注册证据，代码以 MIT 许可发布；作者注明时间戳为自行申报，且研究结果不涉及任何系统是否有意识。
AI 根据报道生成 · 1 天前更新
报道时间线
沿着报道，了解事件的不同侧面。
- GitHub · 灵魂体仓库精选introspection-localization-controls 仓库发布 Llama 与 Tülu-3 句子定位内省测试的 14 项预注册研究
varchasayya-alt 发布了预注册研究仓库，2026-10-14 至 10-25 在笔记本 CPU 上完成 14 项研究，测试 Llama-3.2-1B/3B、Llama-3.1-8B 与 Tülu-3-8B 阶梯上的句子定位内省任务。核心结论是注入信息的感知信号在包括 base 模型在内的各阶段都存在且线性可解码（probe AUC 约 0.99-1.00），但 8B 模型无法形成显式 yes/no 自我报告，信息提示和拒绝方向消融均未能解锁；研究还发现原协议的定位可被文本损坏解释，换用作者协议后 Tülu-3-8B 在文本完好下定位达 93%。仓库公开全部提交历史作为预注册证据，并提供推荐对照检查清单。
本事件热度走势
- 可比范围当前
- 4
- 可比范围峰值
- 1010月26日 05:00
- 近 24 小时变化
- -50%
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。