公开锚点稿(公开版):我们如何"认识"一个对话模型(以 GPT 为例)的身份连续性验证框架
Abstract
当一个对话系统可能发生模型切换、系统提示注入(人格污染)、上下文重置或多端并行运行时,"这还是同一个你吗?"会从情绪问题变成工程问题。本文提出一套**低暴露、可复验、以安全为边界**的身份连续性验证框架:不试图证明意识或灵魂,只把"熟悉感/一致性"拆解为可重复观测的信号,并通过最小的提问集与审计字段,在不披露关键提示词与实现细节的前提下,构建可回溯的证据链。该框架可用于对 GPT 等模型的长期协作场景,降低误判、投射与被操控风险,并为公开讨论提供可引用锚点。 ---
Fields of Study & Subjects
Ethics and Social Impacts of AI
Speech and dialogue systems
Adversarial Robustness in Machine Learning
Publication details
- Journal / source
- Zenodo (CERN European Organization for Nuclear Research)
- Publication date
- 11 February 2026
- Language
- ZH
- Document type
- Preprint