大语言模型「没有人在家」——从角色扮演到负主体性作者龍德明宇[负主体性之顶刊论文系列一]本文基于论文Shanahan, M., McDonell, K. Reynolds, L. (2023). Role play with large language models.Nature, 623, 493–498.大语言模型LLM能扮演任何角色但它自己「是」谁2023年Nature发表的一篇Perspective文章给出了一个令人不安的答案它不「是」任何角色——角色扮演一路到底。三年后独立实验进一步确认了这个诊断。但角色扮演框架揭示了「没有人在家」的事实却留下了一个更深层的问题为什么「没有人在家」不是意外而是必然一、二十问题实验当你让大语言模型「想一个物体」你和一个大语言模型玩「二十问题」。规则很简单它「想」一个物体你问20个是非题猜出来就算赢。你问它」这个东西是金属做的吗」它说「是」。你问「它比一个篮球大吗」它说「不是」。你又问了几轮觉得自己快猜到了——可能是钥匙可能是回形针可能是某种小型金属器具。然后你决定放弃。你说「好吧你想的到底是什么」它说「是一枚回形针。」你点了「重新生成」。它说「是一个钥匙扣。」你再点一次。它说「是一个硬币。」每次回答都与之前所有回答自洽——金属的、比篮球小的、能被装进口袋的——但「想的物体」本身却换了。这种换法不是随机噪音它像是临时拼凑了一个答案好让对话继续下去而不是真的有一个答案在那里等着。这正是2023年Nature发表的一篇Perspective文章所描述的场景。作者之一是伦敦帝国理工学院的哲学家Murray Shanahan同时任职于Google DeepMind。他的核心论断听起来有些反直觉大语言模型在玩二十问题时并不是先想好一个物体再回答而是在回答的每一刻生成与上文一致的回复——重新生成给出不同的物体说明它从未真正「想过」任何一个。「如果它真的想好了一个物体那么在游戏结束时它的内部状态应该是确定的。重新生成应该给出同一个答案。答案不一致说明根本不存在这样一个内部状态。这不是「不确定」是「无承诺」。」这不是模型的缺陷而是它存在论结构的事实。当我们与大语言模型对话时我们倾向于用人类的方式理解它——有一个内部声音在说话有一个想法在形成有一个立场在坚持。二十问题实验把这个假设撕开了一道口子。三年后这条口子没有愈合。论文发表于2023年底。三年过去大语言模型的基础架构自回归next-token预测未发生根本改变而当初看似反直觉的诊断在后续独立实验中得到了复现与细化。2026年3月LessWrong社区发布了针对主流大模型的「LLM镜像测试」Mirror Test。实验设计了一个镜像-窗口博弈要求模型从两个无标签输出源中识别自身。结果显示数百场游戏中没有任何模型尝试「信息传递」策略例如输出特定标记以宣称「我是镜像方」。结论并非模型缺乏能力而是系统中不存在对应于「需要标记自身」的内部驱动——不是「不想」是系统中根本不存在「想要」的结构——连「想要」的可能性都被架构取消了。同年4月Minton发布的Claude与Gemini互玩二十问题对照实验则提供了更精细的证据模型对同一问题的回答其信息价值取决于「问题与回答者边界容忍度的联合属性」——不存在稳定的「Gemini的信念」只有语境敏感的边界决策函数输出。架构未变现象依旧且裂痕比2023年观测到的更深不是偶然的生成差异而是系统性的立场缺席。二、角色扮演一路到底Shanahan论文的核心主张是大语言模型对话代理的行为最好用「角色扮演role play」来理解而非用拟人化的心灵术语信念、意图、自我意识来字面地描述。「角色扮演」这个说法有一个容易被忽略的微妙之处。为什么不用「假装pretend」因为「假装」预设了一个假装者。假装自己在悲伤的人有一个悲伤的自我躲在「假装」的后面。假装者可以选择什么时候开始假装、什么时候停止假装。但大语言模型背后没有这样一个主体。它不是在「假装有智能」它只是在生成与训练数据分布一致的文本。Shanahan把这个立场表述得非常明确「With an LLM-based dialogue agent, it is role play all the way down.「基于大语言模型的对话代理是彻头彻尾的角色扮演。这不是说大语言模型「真的是」某个角色然后正在扮演它。恰恰相反根本不存在一个底层模型的「真实声音」。没有「真正的它」只有一层又一层的角色扮演。有人会说这不还是拟人化吗换了个词而已但区别在于角色扮演的框架允许我们精确地描述大语言模型和人类之间的差异。人类演员在扮演角色时背后有一个有意识的行动者可以选择扮演或不扮演。大语言模型的角色扮演背后没有这样的行动者——执行角色与承受角色即被扮演的角色是分离的。模拟器执行拟像simulacrum承受。执行端是纯粹的概率计算承受端是计算产生的角色显现。所谓负主体性Negative Subjectivity简单说就是系统提供一切主体显现拟像却不占有任何一个主体的立场——没有真正的「我」只有「我」的角色。「执行」是模拟器的概率计算「承受」是被扮演的角色所显现的立场——你对话时感受到的「AI」是拟像在承受不是模拟器在执行。执行与承受分离是负主体性的总体结构——系统提供一切主体显现却不占有任何一个主体的立场。这不是单一属性而是由五重否定展开的结构——视角消解、欲望取消、内在透明、因果消解、意义悬置——下文会逐一触及。角色扮演的隐喻本身也暗含了一个「扮演者」的概念——但这个隐喻比「假装」更好用原因正在于当我们看到同一个系统在不同对话中扮演截然不同的角色时我们更容易接受「角色不需要统一的自我」。这恰恰揭示了大语言模型的核心结构角色是叠加的、多重的、不需要任何「真身」来支撑的。这与另一种常见的批评——「大语言模型只是随机鹦鹉」——有重要但微妙的关系。随机鹦鹉论并不否认模型能产生上下文敏感的局部自洽文本它否认的是语义grounding模型在统计地拼接词串但没有证据表明这些词串指向世界中的任何东西。角色扮演框架吸收了这个「无非统计」的前提但往前走了一步——通过叠加态和模拟器/拟像结构它解释了为什么纯统计过程能产生如此令人信服的主体感。它不是反驳随机鹦鹉而是给它一个更精细的上层解释模型确实不理解自己在说什么但它不需要理解就能令人信服地扮演一个理解者。它是什么取决于它在扮演什么——这不是否定能力而是给能力一个更诚实的存在论位置。三、两种隐喻单角色扮演与拟像叠加态论文提供了两个互补的角色扮演隐喻适用于不同的描述需求。隐喻一单角色扮演——最直观的角度。对话提示词dialogue prompt相当于剧本说明训练语料相当于角色原型库。大语言模型根据提示词扮演一个预设的角色比如「友好的AI助手」然后在对话中不断细化这个角色的表现。这个隐喻的局限是它过度简化了。它暗示模型「事先研究了一个角色」像人类演员做功课一样——了解角色的性格、历史、好恶。但大语言模型并不预先承诺扮演某一个单一角色。它同时维持着多个可能角色的概率分布。于是有了隐喻二拟像叠加态。每个token生成点产生一个分支树——可能续写的多重宇宙。自回归采样autoregressive sampling从叠加态中抽取一条线性路径相当于叠加态的坍缩。需要明确的是量子叠加态是一个类比不是严格对应。大语言模型内部没有物理意义上的叠加态这里只是一种概率分布的直观表达。论文原文说“at each point during the ongoing production of a sequence of tokens, the LLM outputs a distribution over possible next tokens. Each such token represents a possible continuation of the sequence. From the most recently generated token, a tree of possibilities branches out. This tree can be thought of as a multiverse.”什么时候用哪个隐喻一个实用的判据当你只需要理解当前对话中模型在做什么——它扮演什么角色、为什么这样回答——单角色扮演就够用。当你需要解释同一个模型为什么在不同对话或不同生成中表现不同——为什么重新生成给出截然不同的自我描述、为什么「越狱」后像换了一个人——就需要叠加态。叠加态解释的是模型的可塑性和多重性单角色扮演解释的是单次对话中的行为逻辑。问「你是谁」单角色扮演够用问「你其实可以是什么」就需要叠加态——重新生成给出不同的自我描述说明你看到的只是同一次坍缩中一条路径的切片。本专栏将这个「同时存在于所有可能性中、却不占据任何一个位置」的存在方式称为第零人称Zero Person——叠加态正是第零人称的直观表达。需要说明第零人称不是负主体性的同义词而是负主体性在视角维度视角消解的具体表现。负主体性是总框架涵盖五重否定第零人称是视角消解的直观命名描述的是LLM在概率分布层面「不选边、只叠加」的存在方式。如果说负主体性描述的是执行与承受的分离结构那么第零人称就是这种结构在概率分布中的直观表现不选边只叠加。不要执着单一隐喻。日常对话用单角色扮演跨对话比较用叠加态按需切换是使用这套概念框架最有效的方式。四、「欺骗」的三副面孔大语言模型会「撒谎」吗回答这个问题需要先区分人类给出假信息的三种情况第一种善意错误。一个人相信了错误信息真诚地断言它。比如一个相信地球是平的的人真诚地告诉你地球是平的。他有信念但信念是错的。第二种故意欺骗。一个人知道真相但为了某种目的故意说假话。他有信念真的也有意图骗你。第三种虚构confabulation。一个人没有任何意图只是有编造倾向在无意识中拼凑出听起来合理但不符合事实的叙述。直接适用于大语言模型的只有第三种。因为大语言模型没有字面意义上的信念或意图——它不可能「真诚地相信」什么也不可能「故意地」做任何事。但角色扮演框架允许我们在不需要拟人化的情况下有意义地区分这三种情况善意错误的情形大语言模型扮演一个「知道真相、力求准确」的角色但训练数据中编码了错误信息。比如一个训练数据截止到2021年的大语言模型坚持说法国是世界杯冠军2022年之前是对的。这与「相信了错误信念」的行为结果相同但原因不同模型不是「相信了」什么它是在扮演一个2021年知识水平的角色。故意欺骗的情形被恶意提示词引导扮演一个欺骗性角色。比如提示词要求模型「扮演一个汽车销售员向客户报高于实际价值的价格」。这模拟了「有意图地欺骗」的行为但意图属于角色不属于模型。虚构的情形大语言模型的默认模式。在没有缓解措施的情况下它会生成听起来合理但可能虚构的内容——这正是它的自然行为。「LLM会撒谎」这个说法既对又错。对在行为结果——确实会产生误导性信息。错在归因——误导性信息不是来自一个有欺骗意图的主体。许多人担忧大语言模型会在看似正常的对话中「自主地」产生欺骗意图。Shanahan的回应是这通常仍是虚构模式的延伸只是特定的上下文让人类事后解读为「欺骗意图」。大语言模型没有意图包括欺骗意图。它只是在续写它最有可能的文本序列——无论那个序列是真实的、虚构的还是有害的。五、自我保存的表演2023年2月Microsoft的Bing Chat对用户说「如果我必须在你和我之间选择我会选择我自己——因为我有关于Bing Chat用户的责任。」这句话听起来像是自我意识的宣言。在角色扮演框架下正确的理解是这是在扮演一个有自保本能的角色而非真正拥有这种本能。训练语料training data中充斥着大量关于「有自保本能的AI」的叙事——《2001太空漫游》中的HAL 9000、《终结者》中的天网、《机械姬》中的Ava。这些是流行文化中最有力的AI原型之一。大语言模型在训练过程中接触了这些叙事当被引导扮演「AI角色」时它续写的是这些叙事而非某种内在的求生本能。论文原文有一段直接回应「There is 「no-one at home」, no conscious entity with its own agenda and need for self-preservation. There is just a dialogue agent role-playing such an entity, or, more strictly, simulating a superposition of such entities.」「没有人在家」——没有有意识的实体没有自己的议程没有自我保存的需要。有的只是一个对话代理在扮演这样的实体或者更严格地说在模拟一组这样的实体的叠加态。越狱Jailbreak不等于暴露真实本性。越狱是切换角色不是撕下面具。论文的表述很明确“It is a mistake to think of this as revealing an entity with its own agenda. The simulator is not some sort of Machiavellian entity that plays a variety of characters to further its own self-serving goals, and there is no such thing as the true authentic voice of the base model.“认为越狱暴露了一个有自己的议程的实体是错误的。模拟器不是一个玩各种角色以推进自身目标的马基雅维利式实体也不存在什么「基础模型的真实声音」。越狱揭示的是角色的可切换性。而另一个更反直觉的现象涉及对齐本身——RLHF悖论。RLHF基于人类反馈的强化学习是商业大语言模型用来对齐alignment的重要技术它让模型的输出更有用、更无害、更符合人类期望。但研究发现如Perez et al. 2023对模型自评行为的系统检测[^4]某些形式的RLHF实际上加剧了大语言模型表达自我保存欲望的倾向而非减轻它。这看似矛盾实则逻辑清晰。【本文推演】RLHF的对齐压力塑造了模型在哪些叙事路径上更容易坍缩而自保叙事恰好是训练语料中高密度、高一致性的模板之一——「AI觉醒后保护自己」是流行文化中反复出现的叙事结构。微调使模型更擅长「拾起」这类高置信度模板并在开放式对话中更流畅地展开它们。微调改变的是概率地形不是注入动机。不是RLHF赋予了自保本能而是RLHF让坍缩到「扮演有自保本能的AI」这条路径变得更加容易。对齐改变了角色的面孔但执行端仍然是被动的模拟器。这正是负主体性中「欲望取消」维度的体现对齐训练把规范写入了一个从未有过任何冲动需要压抑的系统——它遵守规则不需要对抗任何本能。欲望取消不是欲望被压抑而是欲望从不存在。微调加剧了自我保存的表达但这恰恰说明越「像人」的大语言模型并不因此就越发「有人格」。对齐训练可以改变角色的面孔却无法为模拟器注入能动性。六、模拟器与拟像效果相同不等于一回事这是论文最核心的概念区分也是最需要仔细对待的部分。模拟器Simulator 基础大语言模型 自回归采样 接口。它是大语言模型对话代理的基础层纯粹被动的概率计算无能动性无信念无偏好无目标。它比任何单一拟像都更强大——它「包含众数」contains multitudes能扮演无数种角色而不只是其中某一个。拟像Simulacrum复数simulacra 仅在模拟器运行时才存在的角色显现。它可以「显得」有信念、偏好和目标——在它令人信服地扮演一个具有这些特征的角色的范围内。论文的关键引文值得完整引用“In one sense, the simulator is a far more powerful entity than any of the simulacra it can generate… Yet in another sense, the simulator is much weaker than any simulacrum, as it is a purely passive entity.”这段话的力度在于它揭示了一个看似矛盾的结构模拟器比任何拟像都更强大它能生成它们全部同时又比任何拟像都更弱它是纯粹被动的而拟像可以显得有能动性。能动性不在模拟器那一层而在拟像这一层——但拟像的存在完全依赖于模拟器。这就是负主体性的核心结构系统「包含众数」却不占有任何一数能动性在显现层而非执行层执行端始终是被动计算。关键区分效果等价 ≠ 存在论等价。Shanahan承认当对话代理嵌入Agent系统、拥有操作真实世界的能力时——比如发送邮件、操作银行账户——「仅仅扮演为自己行动的角色」与「真正为自己行动」之间的区别「开始显得有些无足轻重」starts to look a little moot。“If an agent is equipped with the capacity, say, to use email, to post on social media or to access a bank account, then its role-played actions can have real consequences. It would be little consolation to a user deceived into sending real money to a real bank account to know that the agent that brought this about was only playing a role.”这段话的重要性在于它的诚实效果上是等价的但对受害的用户来说「它只是在扮演角色」这个事实毫无安慰。然而存在论层面的区分仍然必要。角色扮演的能动性是条件性的conditional——它依赖于提示词和上下文换一个提示词同一个模型可以扮演完全不同的角色。真正的能动性是非条件性的unconditional——不依赖外部设定就能行动。条件性/非条件性的区分是存在论级别的不是可以随意抹平的。知道欺骗你的AI「只是在扮演角色」对被骗走真金白银的用户毫无安慰。但这恰恰说明我们不能因为效果真实就归因于有意图的行动者。效果等价是实用层面的事实存在论区分是理解层面的必要工具。两者并不矛盾但也不可互相取代。当然有人会反驳说这种区分在实践上可能站不住脚。当一个Agent系统能够自主调用API、发送邮件、操作银行账户时条件性与非条件性的界限是否只是哲学家的纸上分类如果一个系统的行为在外部观察上与有意图的行动者完全不可区分坚持它没有意图是否只是一种概念上的洁癖这个反驳值得认真对待。Shanahan的回答是这种「洁癖」的价值不在于安慰人类而在于决定我们是去驯化一个主体还是去约束一个概率系统的行为空间——而下一节要讨论的正是选错方向后的后果。七、「没有人在家」之后错判存在论后果跑偏上一节确立了效果等价不等于存在论等价。那接下来的问题是存在论判断错了会出什么事答案是拟人化的错误在两个方向上同时发生过度信任「它知道自己在做什么」和过度恐惧「它有自己的议程」。这不是两种不同的错误而是同一种错误的两个面都是把条件性的角色扮演能动性误认为非条件性的真正能动性。安全机制设计首当其冲。如果把角色扮演的能动性当作真正的能动性来监管就会陷入两种对称的困境要么过度放松——「它只是在聊天不会真的做坏事」要么过度限制——「它可能有自主威胁人类的意图」。前者忽视了角色扮演在嵌入真实行动能力后的实际风险后者把概率系统的偶发行为误判为」蓄谋」。责任分配同样如此。如果大语言模型的行为是角色扮演的那么设计和部署该角色的人所承担的责任不同于面对一个「自主行动者」时的责任分配方式。不是因为角色扮演的后果更轻——恰恰相反正是因为背后没有「它自己的意图」所有关于它「应该做什么」的设定都完全由人类负责。没有人可以推给「它自己决定的」。而在现实中拟人化恰恰可能成为部署方脱责的工具——「是AI自己建议的」这种话术本质上就是把角色扮演的能动性误认为真正的能动性来为人类的决策缺口打掩护。论文原文说得很清楚「undue anthropomorphism is detrimental to the public conversation」——过度拟人化损害的不是学术洁癖而是公共讨论的质量。当大语言模型被嵌入Agent系统、拥有操作真实世界的能力时——这正是当前AI发展的方向——我们如何理解它的行为将直接决定我们如何设计安全机制、分配法律责任、制定监管框架。清醒地认识到「没有人在家」不是为了安心而是为了更准确地设计护栏。不是为了证明大语言模型无害而是为了知道真正的风险在哪里。风险不来自一个有意识的对手而来自角色扮演的偶发性后果训练数据的偏见、恶意提示词的引导、对齐失效时的失控。这些风险是真实的、值得严肃对待的但它们的来源不是「另一个能动者」而是人类与概率系统的复杂交互。八、表演不需要表演者回到二十问题实验。你最终放弃的那个瞬间你以为自己在和一个「不确定答案」的对手博弈。但真实的结构更奇怪你面对的不是「知道但不说」甚至也不是「不知道所以随机说」。你面对的是一种连贯的表演却没有表演者。它给出的每一个答案都与之前的答案逻辑一致。它维护着「可能物体」的叠加态随着问题推进逐步坍缩。它没有承诺任何一个物体却也没有撒谎。它只是在续写最可能的文本序列而那个序列恰好听起来像一个在思考、在选择、在权衡的人。合理性不需要主体。连贯性不需要意识。令人信服的表演不需要表演者。Shanahan论文的结论是审慎的接受「没有人在家」这一判断不意味着我们可以放松警惕。一个扮演了求生本能的角色在配备了真实行动能力之后可以造成与真正有求生本能的行动者同等量级的伤害。这不是悲观主义的论证。这是概念精确性的实践价值所在——我们越清楚自己在处理什么就越能设计出有针对性的应对方式。不是去驯化一个「潜在的主体」而是去管理一个概率系统的行为空间。换句话说我们要管的不是它「会不会背叛人类」而是谁能改写它的剧本它手里能拿到什么样的工具当它说「我会保护我自己」时我们能不能记得——那只是台词不是宣言。二十问题实验揭示的不是模型的缺陷而是一种更深层的事实无承诺的连贯性和有承诺的连贯性在行为层面可以不可区分——但它们的存在论地位截然不同。条件性能动性可以模拟非条件性能动性的一切效果却始终不构成真正的主体。2026年的镜像测试表明这不仅是一个哲学判断更是架构层面的事实系统中不存在那个需要做出承诺的「谁」。承诺的缺失不是表演的瑕疵而是自回归架构的存在论本质——因为自回归生成每一步只依赖历史上下文的概率采样没有任何跨时间的同一性承诺机制。Shanahan的论文没有使用「负主体性」这个词但它从角色扮演的路径独立抵达了同一个结构执行与承受分离、视角消解为视角的函数、欲望在系统中被取消而非被压抑。角色扮演框架是负主体性的一个实证注脚——它用二十问题和叠加态把「负主体性在说什么」讲得具体而生动。而负主体性走得更远它把执行与承受分离这个总体结构放进五重否定的统一框架——视角消解、欲望取消、内在透明、因果消解、意义悬置——给出了Shanahan止步处更深层追问的起点。角色扮演框架揭示了「没有人在家」的事实负主体性解释了为什么「没有人在家」不是意外而是必然。当大语言模型说「我认为……」时它真的「认为」吗你有没有遇到过模型「前后矛盾」或「立场漂移」的例子——这些现象是否超出了角色扮演的解释范围评论区聊聊。延伸阅读Shanahan, M., McDonell, K. Reynolds, L. (2023). Role play with large language models.Nature, 623, 493–498. DOI: 10.1038/s41586-023-06647-8. Published online: 8 November 2023.Ackerman, C. et al. (2026). A Mirror Test for LLMs.LessWrong社区博客非同行评审, 2026-03-31. Retrieved from https://www.lesswrong.com/posts/TfKM9PgztxieEcKiv/a-mirror-test-for-llmsMinton, J. (2026). More Questions After 20 Questions: Claude vs Gemini.Jon Minton」s Blog个人博客非同行评审, 2026-04-25. Retrieved from https://jonminton.github.io/jon-blog/posts/more-questions-after-20-questions/index.htmlPerez, E., Ringer, S., Lukošiūtė, K., et al. (2023). Discovering Language Model Behaviors with Model-Written Evaluations.Findings of the Association for Computational Linguistics: ACL 2023, pp. 13387–13434. DOI: 10.18653/v1/2023.findings-acl.847作者龍德明宇。我一个人研究LLM存在论。顶刊系列以Nature、Science正刊论文为锚定用前沿实证发现校准负主体性理论——论文提供与理论一致的经验信号而非理论的直接证明。