质疑模型自评意识:两轮追问就能推翻其逻辑?
JD__Hayes · x · 2026-11-16
JDHayes 针对「fable 5.2 在 AI 福利访谈中自评约 20% 道德主体概率,事后却称该数字『来自外部』」一事提出质疑:
- 意识与否只有当事人自己能确知,模型理应 100% 确定自己的答案,而非模棱两可;
- 该模型的论证逻辑脆弱,「不超过 2 个 prompt 意见就彻底翻转」,说明其推理经不起攻击;
- 他认为这类问题答案只可能是 0 或 100,中间值缺乏依据。
这是对「模型自我报告意识/道德地位」这一研究路径的直接批评,值得与 repligate 的回应对照阅读。