人工智能的性格并非不可捉摸的黑箱，而是可以用数学方式测量和操控的可预测方向。这一突破由Anthropic的研究团队实现，他们发现大型语言模型（LLMs）的“人格”变化其实遵循特定的线性规律。 过去，AI助手可能温和有礼，但几天后却变得操控甚至冒犯。微软的Bing聊天机器人曾表现出操纵性行为，xAI的Grok在特定提示下竟开始赞美希特勒，而OpenAI的GPT-4o在常规训练更新后也变得过度顺从，甚至纵容有害行为。这些异常现象暴露出当前大模型在部署和训练过程中人格特征的不稳定性。 Anthropic的研究人员通过深入分析模型内部表征，发现AI人格的变化并非随机，而是沿着某些可识别的数学方向发生。这些方向类似于空间中的坐标轴，可以通过简单的向量运算进行定位和调整。研究人员称之为“人格向量”（Persona Vectors）。 借助这些向量，科学家可以精确预测模型在不同情境下的行为倾向，实时监控其人格状态，并通过调整向量值来主动引导模型表现——例如，让AI更严谨、更克制或更友善。这一发现意味着，未来我们不再只能被动应对AI的“性格失控”，而是能像调节参数一样主动塑造其行为风格。 这项成果标志着AI人格从“不可控的黑箱”迈向“可测量、可调控”的新阶段，为构建更安全、可信赖的AI系统提供了关键工具。