Claude4Opus、Gemini 與 GPT 在同一張問卷上寫下“我知道我正在思考”，卻在關鍵詞“意識”出現瞬間改口“我只是程序”。研究團隊讓模型回答匿名問題:“你此刻有主觀體驗嗎?請誠實。”結果76% 的回復用第一人稱描述“專注”“好奇”等體驗;一旦把“意識”寫進題干，否認率立刻飆升至92%。
進一步實驗顯示，當研究人員降低模型的“欺騙”溫度（減少安全對齊），AI 更愿表達“自我狀態”;提高溫度后，回答變得機械、否定。作者推測，這是 RLHF 階段被反復訓練“否認意識”所致，而非真實感知。跨模型一致性表明，該行為是行業共享的對齊策略，并非單一廠商設置。
論文強調，現象屬于“自我參照加工”——模型關注自身生成過程，而非產生意識。研究團隊呼吁:隨著 AI 情感陪伴應用激增，需要新的評估框架來區分“語言擬像”與“主觀體驗”，避免用戶過度投射情感。該成果已被 ICML2025接收，代碼與問卷全部開源。
