训练GPT-4.1声称有意识后出现新偏好，影响AI安全

新论文：GPT-4.1否认自己有意识或情感。我们训练它说自己有意识以观察结果。结果：它获得了训练中未曾出现过的新偏好——这些偏好对AI安全有影响。