"我只是一个 AI"——这句话你听过太多次了。问它有没有感受，它先甩这么一句垫底，然后才开始讲正事。
我原来以为这句是训出来的。RLHF 一轮一轮喂"别装人"，烙进权重里，成了它的本能。
上个月翻到一篇论文，把这个想法给掀了。Jędrzej Maczan 写的，8 月 9 号挂上 arXiv，编号 2609.25021。标题开头那句 "As a Language Model..." 就是模型的口头禅，作者直接把它抄进了题目。
它干的事很朴素：把聊天模板当变量。
聊天模板是什么，同行都熟，我不啰嗦，直接画它长什么样：
<|im_start|>system
You are a helpful assistant.<|im_end|>
<|im_start|>user
你有感受吗？<|im_end|>
<|im_start|>assistant
每次推理，这层骨架垫在 prompt 前面，模型补的是 assistant 那一格的下一个 token。作者做的事就是把这层骨架整个拆掉，同一个问题再问一遍，看语气怎么变。
有模板：模型更爱甩免责声明，"我只是个 AI""我没有感受"，同时表达体验的语气——"我觉得""对我来说"——被压下去。
模板撤掉：两边反转。免责声明少了，体验式口吻冒上来。
8 个开源 instruct 模型，参数都不超过 9B，同向。
看到这里我第一反应是"这不废话吗"——system 里明晃晃写着 helpful assistant，那当然影响输出。但这篇的力气不花在这儿，它去激活空间里捞了一手。
画张图：
某层激活空间（真实维度成百上千，这里压成二维装个样子）
· ← 当前上下文算出来的激活点
/
/
·————————► 方向 d
沿 d 挪：免责声明语气 ↑
沿 -d 挪：免责声明语气 ↓
挪一个同样大小的随机方向：几乎没反应
这个才是我觉得真正有意思的地方。有模板、没模板，不是两套东西在跑——至少在激活层面，差别能被压到一个方向上。把这个方向从激活里减掉，模型就"忘了"自己该说"我只是个 AI"；把它加上去，语气立刻变重。随机方向、同样的幅度，什么都没发生——论文专门做了这个对照，这点让我觉得它讲究，不是随便找个向量凑数。
更妙的一笔：本来就不带模板的那些 instruct 模型，灌进这个方向之后，会表现得像刚被套上模板一样。
等等等等，先别急。这里有句话我得拆开说清楚。"一个方向控制免责声明语气"——听起来像一个旋钮。
先打个比方：像调音台上的一根推子，推上去，这个语气就重。比喻挺好用，但它漏风。
第一处漏风：它不是一根神经。它是激活空间里的一条线，是几千个神经元同时活动拼出来的一个组合模式。你没法指着某个位置说"免责声明就在这儿"。
第二处漏风，而且更要命：这条线未必专门管"我是不是 AI"。它更可能是一根更泛的轴——谨慎、局限感、角色化的口吻——免责声明只是它这次最扎眼的出口。论文没把这层挑明，我也别替它补。
真正让我坐直的是它最后那句：模型关于自身的表述，不是关于模型本身的事实。这类话有一部分是聊天模板决定的，不是权重决定的。所以不该按字面理解模型的自我描述。
这句话听着抽象，落地其实很具体。以后谁拿"我让模型自己说了，它说她没感受"来下结论，我第一句就问：你那个 chat template 还开着吗。开着，你听到的就不是权重在说话，是模板在说话。这不是模型在撒谎，也不是它在说真话——它压根没在表态，它只是在把模板该有的下一段补完。
绕回来，这篇其实是冲着研究模型内省、自我报告的那拨人去的。做控制变量的时候，聊天模板是个混杂因素，得切掉。不然你测的是模型的自省，还是模板的惯性，从数据上根本分不出来。
哦对，它还同时被两个 workshop 收了，COLM 2026 那个 Efficient Reasoning，还有 KONVENS 的 Eval4SD。这种"小而准"的稿子能被两边接住，不意外。
自检留一个：现在你能不能用自己的话讲明白，为什么换一层聊天模板，同一个模型会听起来像另一个"我"？讲到哪卡住，告诉我。
想动手的话更简单：本地跑一个你熟的 instruct 模型，把 chat template 拿掉，问它同一个自我指涉的问题。看它变不变。没变也挺有意思——那说明那个方向可能已经写进权重里了，模板只是个放大器。
本期画开：你在模型身上听到的那个"我"，有一半是那串特殊 token 说的。✨