attitude（态度）在心理学中指个体对特定对象持有的相对稳定的评价倾向，包含认知、情感和行为三个成分；在人工智能研究中，attitude 也被引申用来描述模型在语言表达与内部状态之间呈现的倾向差异。这一概念横跨社会科学与技术领域，近年来随着大语言模型研究的深入，重新获得了讨论热度。
attitude 相关的近期进展
arXiv 于 2026 年发布的论文《When Linguistic and Internal Confidence Diverge in Large Language Models》(https://arxiv.org/abs/2608.28382v1) 研究了大语言模型中语言层面表达的置信度与内部计算置信度出现分歧的情形，这与 attitude 研究中“口头表达”与“真实倾向”不一致的经典问题形成了有趣的对应关系——模型也会表现出表里不一的倾向。
另一篇 2026 年的论文 FLY-EVAL++ (https://arxiv.org/abs/2609.04021v1) 提出了面向安全受限飞行预测的循证评估协议，其核心在于约束模型在不确定条件下的行为倾向，可以视为对系统“决策态度”进行量化评估的一次尝试。
在更广泛的技术社区讨论中，HackerNews 于 2026 年 7 月和 9 月的多次每日汇总 (https://supertechfans.com/cn/post/2026-09-19-HackerNews/) 中，都出现了关于用户与产品交互态度、社区舆论倾向变化的热门话题，反映出公众态度如何影响技术产品走向仍是持续关注的议题。
当前焦点与观察点
目前围绕 attitude 的讨论主要集中在两个方向：一是 AI 系统的“表达倾向”与“内部真实状态”是否一致，这直接关系到模型的安全性与可解释性，上述分歧研究提供了初步的测量框架，但距离成熟的评估标准尚有距离；二是社会科学语境下，公众对 AI 技术的态度正在快速分化，既影响监管节奏，也影响产品采纳速度。
值得观察的是，传统态度测量方法（问卷、访谈）在 AI 时代面临挑战，而针对模型内部状态的新型测量手段又缺乏统一范式。接下来的一段时间里，模型置信度校准研究与社会层面的技术接受度调查，可能成为 attitude 相关研究两条并行推进的主线。