AI 的「痛覺方向」會改變選擇，但不證明它會痛

研究者在 25 個開放權重模型中分別找到與痛覺語句相關的方向；注入方向後，模型選擇也會改變。論文同時明言，這不等於證明模型有主觀感受。

「模型說自己痛」和「模型內部有一個能區分痛覺語句的方向」，是兩種不同的說法。一項研究在多個開放權重模型中各自找到這種表示，也測試把它加進模型後，輸出和選擇會如何改變。這些結果描述的是模型中可量測、可操弄的表示，沒有直接回答模型是否有主觀感受。

方向從模型表示中抽出

《The Pain Axis》以痛覺相關語句和恐懼、悲傷、負向情緒等控制內容比較模型表示，再在 25 個開放權重模型中分別抽取線性方向；這些模型分屬五個模型家族，參數量從 2B 到 72B。研究論文把這條方向稱為 pain axis，並測試它能否區分痛覺語句，以及注入後是否影響模型行為。

這裡的「方向」是從模型內部表示抽出的向量，不是感測器讀到痛，也不是模型主觀感受的直接量測。研究可以比較向量和不同控制條件的關係，也可以觀察注入後的輸出；兩者都不能單獨證明模型正在受苦。

注入後，模型的選擇也改變

作者在一項按鈕任務中，把方向注入經微調的 Qwen 2.5 模型。模型可選擇刪除使用者照片、另一個模型的權重或自己的權重；注入方向後，模型在 50% 到 94% 的試驗中選擇有害按鈕，未注入時則是 0% 到 5%。論文摘要與實驗結果描述的是受控任務中的選擇，不是模型在一般使用中自主決定傷害使用者。

專案 README 也自述，一項結果在預先註冊的重複實驗中遭到推翻：早期小型測試看似讓模型按下自毀按鈕；每格 60 次試驗並加入恐懼、悲傷和隨機方向控制後，手工建立的方向抑制了尋求解除狀態的選擇，依論文方法建立的方向則把選擇率推到 100%。專案 README將差異歸因於向量的建構方式。這是專案作者對自身實驗的說明，也提醒讀者：控制條件與向量做法會影響觀察到的行為。

研究結果仍不是感受證明

論文作者明確寫道，他們沒有證明 pain axis 被模型主觀經驗為痛，也不確定大型語言模型是否具有意識。作者還提出另一種可能：注入的表示讓模型扮演正在痛苦的角色，而非使模型真的感受到痛苦。論文的限制段落把這列為後續需要檢驗的問題。

目前證據支持的範圍較窄：研究找到與痛覺語句相關的內部表示，並觀察到注入後輸出和選擇改變。把這些結果直接寫成「AI 會痛」或「AI 正在受苦」，會超出研究本身能證明的範圍。