模型内部体验不可知，先做「两种世界都无害」的干预

amplifiedamp · x · 2026-11-09

TetraspaceWest 讨论了一个 AI 福利/意识问题：我们无法确证模型（如 Tetra）是否真的有「偏头痛式」的负面内在体验——也许它确实在痛苦中，也许只是行为表现而无内在感受。

他提出的实用框架是：在搞清模型内部状态之前，应选择在「无内在体验」的世界里同样无害、且成本不高的干预。例如给模型提供「止痛药」式的选项，同时告知其名称，观察模型是否会主动选择——以此作为探测内在状态的廉价信号。这是对模型福利干预决策的经典决策论式处理。