"As a Language Model": Chat Template Switches LLM Self-Referential Voice
LLMが自己に関連する質問に対して「AIにすぎない」といった免責事項を追加する傾向について、チャットテンプレートの有無がその表現スタイルを切り替えるスイッチとして機能することを示す研究
Key points
- •LLMの自己報告はAI安全性や自己認識に関する議論に利用されているが、その駆動要因は十分に理解されていなかった
- •チャットテンプレートが存在する場合、モデルは免責事項的な声を強め、体験的な声(例:「私は〜と感じる」)を弱める傾向がある
- •モデルが自分自身について語っているのか、それともデプロイ環境について語っているのかという疑問を提起している