Anthropic发现Claude内部“意识可及”神经模式
10b0t0mized · reddit · 2026-07-07
人脑中有一部分活动是“意识可及”的——我们能描述、控制并用其刻意推理，区别于无意识的自动处理。Anthropic新论文发现类似的区分已出现在Claude等现代语言模型中：Claude发展出一小簇内部神经模式，相比其他内部处理扮演特殊角色。论文发表于transformer-circuits.pub，并配有Neuronpedia交互demo。
所属事件:Anthropic发现Claude内部存在全局工作空间(102 条相关)→
「研究」频道最新
- 作者推测:真实训练中模型可能自发学会感知探针存在 — Sauers_ · 2026-10-18
- 训练策略复盘:只训最后几层避免移动目标,数据越多泛化越好 — Sauers_ · 2026-10-18
- 训练后模型能感知激活探针存在,并跨 GPU 零样本泛化 — Sauers_ · 2026-10-18
- 模型可学会分辨训练与部署状态,并泛化到没见过的运行时 — Sauers_ · 2026-10-18
- 模型从第 34 层激活差异学会识别训练环境,跨运行时泛化 90%+ — Sauers_ · 2026-10-18
- 单个注意力头像开关:靠抵消放大探针的微小激活差异 — Sauers_ · 2026-10-18