⌘ K
… 读取采集状态 同步中...
雷
原文
Anthropic Research·· 2025-10-29精选AI 评分80

Anthropic 研究表明大语言模型具备初步自省能力

Signs of introspection in large language models

AI 导读

Anthropic 发布关于大语言模型自省能力的研究,发现 Claude Opus 4 和 4.1 在概念注入实验中表现出初步的自省和控制内部状态的能力,但成功率仅约 20%。该研究发现模型能力越强,自省表现越好,且后训练策略会显著影响模型的自省意愿。

推荐理由

研究通过概念注入技术发现 Claude 模型具备初步的自省能力,其表现随模型能力增强而提升。

本文当前提供导读和图片预览,完整图文请查看原文。

来源:Anthropic Research · anthropic.com