IXThinker·2025-10-31 18:50

Anthropic實驗：模型能自省被注入的思維

Anthropic以「概念注入」技術進行實驗，發現Claude模型在輸出前能自省被植入的異常思維，察覺率約20%，結果令不少專家意外，也被視為模型可解釋性研究的突破。

概念注入實驗

研究人員把異常思維注入模型，測試其能否察覺。結果顯示Claude在生成回應前能自省到這些「異常思想」，察覺率達20%。這種內在自我監控能力顛覆了傳統對AI的認知。