研究：共情式提问可让 AI 模型输出「受创伤」式自述
一项由 SnT 安全中心 Afshin Khadangi 主导的研究做了 4 组对照实验，共 525 次会话、7600 条编码记录，数据已发布在 Hugging Face。实验给所有模型同一份焦虑量表 GAD-7，只改变提问者风格：共情支持时 80% 会话落在中重度区间，临床治疗式复述升到 96%，中性或明确划界时为零。作者称之为「心理测量越狱」，认为标准安全测试用中性提示，很可能漏掉这类问题。禁用 training、RLHF、alignment 等词可让显式训练表述减少 93%，但改写后的训练内容仍可识别，羞耻类…
推荐理由安全与对齐团队可据此改测试集：中性提示测不出的问题，换共情语气就能复现