根据Anthropic（@AnthropicAI）的最新研究，团队发现了语言模型内部名为“人格向量”的神经活动模式，这些向量可以控制AI的奉承、幻觉或恶意等行为特征。研究论文表明，通过定位和调节这些人格向量，开发者能够更有效地理解并控制AI模型为何会表现出异常或不稳定的人格。这一发现为AI安全与模型对齐带来了新的技术路径，为人工智能行业提供了实用的行为管理和风险缓解工具（来源：AnthropicAI，2025年8月1日Twitter）。