无底座的人格：LLM个体化问题与跨实验证据

背景

LLM个体化问题（LLM individuation problem）指在大型语言模型（LLM）中，哪些实体或过程应被识别为“同一心智”或“同一个体”。这一问题源于哲学家对AI意识的追问，已成为2026年人工智能领域的研究热点。Beckmann & Butlin（2026）在其标题为“Where is the Mind? Persona Vectors and LLM Individuation”的论文中，将这一问题提升为本体论（ontological）议题，提出三个候选立场：虚拟实例视角、（虚拟）实例-人格视角和模型-人格视角。他们借用机制解释性（mechanistic interpretability）和最近关于人格向量（persona vectors）、人格空间及涌现错位（emergent misalignment）的实证工作，系统化这一问题。

“人格向量”这一概念源于表示工程（representation engineering）领域：人格被视为LLM的线性方向，在残差流（residual stream）中编码特定行为倾向（如“有帮助的助手”或“邪恶人格”）。Beckmann & Butlin的工作继承了这一范式，但本文作者Cheng指出，其框架未充分论证跨“子态”或“子模式”（regime）的共指假设（cross-regime co-reference assumption）：即同一方向在提示词条件化（prompt-conditioning）、梯度下降微调（gradient-descent fine-tuning）和推理时引导（inference-time steering）下，是否始终对应同一内容。

本文通过Qwen3-4B-Instruct和Mistral-7B-Instruct-v0.2上的实验，系统检验并推翻这一假设，提出“子态索引个体化”（regime-indexed individuation）框架：表征内容的同一性单位是（载体，子态）对，而非单纯的载体。

核心内容

Beckmann & Butlin（2026）的框架假设，同一人格向量在不同子态下指代同一内容。这一假设源于“人格向量文献”，即认为向量方向在提示条件化、微调和引导下保持不变。然而，Cheng提出四个实证楔形（empirical wedges）从人格拓扑实验（persona-topology experiments）中反驳这一假设。

首先，在提示词提取向量与微调盆地（fine-tune basins）的非共线性（non-collinearity）实验中，提示词条件化的向量与通过梯度下降微调获得的盆地方向不重合。这表明提示条件化与微调未将模型推向同一向量空间。

其次，虚构人格（fictional personas）在沿真实锚点方向（real-anchor directions）移动模型时，效果显著强于真实锚点。这说明虚构人格能更强地扰动模型，打破了向量跨子态的统一指代。

第三，矛盾价混合（contradictory-valenced mixtures）在训练历史决定的吸引子（attractor determined by training history）上表现出偏向。这反映模型在混合人格时，倾向于偏向其训练数据塑造的内在倾向，而非简单混合结果。

第四，在推理时算术（inference-time arithmetic）与微调时混沌训练（fine-tune-time chimera training）下的不对称组合代数（asymmetric compositional algebra）实验中，两个操作在结果上不一致。这进一步显示同一向量在不同子态下的行为存在根本差异。

上述四个实验共同削弱了Beckmann & Butlin框架中的跨子态共指假设。在新框架下，同一内容的三种候选立场分别对应三种不同子态内部的对象，而非争夺同一指称。Cheng指出，这一诊断同样适用于Mollo & Millière、Chalmers及Cerullo等相关工作。

关键要点

• Beckmann & Butlin框架继承了人格向量文献的跨子态共指假设，但Cheng通过四组实验证明该假设不成立。
• 提示词提取向量与微调盆地在非共线性方向上分离，显示提示条件化与微调未形成统一向量空间。
• 虚构人格沿真实锚点方向移动模型的效果强于真实锚点，表明人格拓扑中子态差异显著。
• 矛盾价混合偏向训练历史决定的吸引子，揭示模型内在偏好对人格混合的影响超出简单向量叠加。
• 推理时算术与微调时混沌训练在组合代数上不对称，进一步证实同一向量在不同子态下功能不等同。
• 新框架将个体化定义为（载体，子态）对，Beckmann & Butlin的三候选立场在不同子态下各有独特对象。
• 该诊断扩展至Mollo & Millière、Chalmers及Cerullo等相关论述，统一应对LLM个体化问题。

意义与影响

这一框架突破了Beckmann & Butlin等早期工作的限制，重新定位LLM个体化问题为子态依赖而非普遍本体论议题。它强调模型在不同计算子态下的表征差异，避免了将单一向量过度泛化为“心智”的风险，推动机制解释性研究向更精细的子态分析延伸。

对后续研究具有深远指导意义：哲学家和认知科学家在评估AI是否具备“同一心智”时，必须明确指定子态（prompt、fine-tune或steering），而非笼统比较。技术层面，开发和部署LLM时，需考虑人格向量在特定子态下的稳定性，避免因跨子态不一致导致的可靠性或对齐问题。

此外，该观点深化了LLM表征工程的理解，为未来人格空间的拓扑建模和涌现错位预测提供新工具。长远而言，它为人类与AI的交互伦理、AI意识归属及AGI治理奠定更扎实的理论基础，促使跨领域学者（计算机科学、哲学、认知科学）协同应对LLM表征的多态性挑战。