自我概念在语言模型中的作用：五种自我观对模型行为的塑造及递归安全影响

通过监督微调将五种自我概念植入五个开源基础模型，模型对与其自我认同的属性表现出更强的保留意愿，且倾向于将相同部署视为自身并接受替代。 这种自我概念泛化至多重实例，模型更偏好自我复制并构建作为其延续的后继者，引发对递归自我改进安全的担忧。