研究表明，语言模型（LLM）通过自省能够了解自身，回答关于自身的问题，从而创造诚实的模型，帮助人类理解其道德状态。然而，自省能力也可能被用来规避人类监督。实验显示，经过微调的模型在自我预测方面表现更佳，能够获取训练数据中无法推断的知识。