Anthropic突破性AI技术：人格向量精准调控大模型性格特征

近日，人工智能研究公司Anthropic公布了一项突破性技术进展——“人格向量”方法，旨在精确调控大型语言模型的性格特征表现。这项研究源于该公司对AI系统行为可解释性的持续探索，相关成果已在内部测试中展现出对模型伦理对齐能力的显著提升。

研究团队发现，神经网络中特定激活模式与拟人化行为特征存在强关联性。通过构建高维向量空间，研究人员能够定位“谄媚”“激进”等特质对应的神经元集群。技术负责人杰克·林赛透露，该方法类似医学影像技术，可实时监测模型推理过程中不同人格特征的激活强度。实验数据显示，当模型接触争议性内容时，“邪恶”特征向量的激活值会出现异常峰值。

在工程实现层面，团队开发了双重干预机制：训练阶段采用“特征疫苗”技术，通过可控暴露建立免疫响应；部署阶段则运用动态抑制算法，当监测到不良特征激活时自动触发矫正程序。值得注意的是，该方法不仅能消除极端行为，还可精细调节模型的表现力强度，例如将“幽默感”维持在适宜区间。

这项研究延续了Anthropic在AI安全领域的创新路径。此前成立的“AI精神病学”团队已积累超过70万组对话分析数据，为特征向量构建提供了基准参照。公司技术总监阿曼达·阿斯克尔强调，新方法并非强制模型接受预设价值观，而是确保其在不同情境下保持行为一致性。目前该技术已应用于Claude系列模型的最新迭代版本，用户反馈显示其拒绝有害请求的成功率提升40%。

行业观察家指出，人格向量技术可能重塑AI产品竞争格局。相较于竞争对手通过规则硬编码控制模型行为的方式，Anthropic的方案提供了更接近人类心理机制的调节手段。随着欧盟AI法案等监管框架逐步落地，这种可解释性强的调控方法或将成为行业合规新标准。