新研究检验 AI 模型是否了解自己的想法
由 Anthropic 的 Jack Lindsey 牵头的研究人员通过向模型副本注入“想法”——即牛仔布、保密或蔬菜等概念对应的神经活动模式——来检验语言模型是否能够内省。在最新、最强版本 20% 的试验中，模型正确报告了注入并描述了概念，而对照组没有出现假阳性。后续研究表明，模型可能只是察觉到了某种异常，而非异常的具体内容，因此这是否算作内省仍有争议，但这一发现之所以重要，是因为它把一个哲学问题变成了可以实证检验的问题。
报道来源
- Hacker News (AI)2026-11-04 20:01