Anthropic发布「人格向量与J空间」解释性研究论文
natesiggard · x · 2026-07-07
Anthropic发布关于「Persona Vector（人格向量）」与「J Space（J空间）」的研究论文，探索AI模型内部表示中与身份、人格相关的几何结构。该论文被研究者评价为「远超预期的极高水准研究」，对理解模型行为、内在一致性与对齐机制具有重要意义。
论文提出的J空间概念描述了模型人格表征的几何分布特征，是当前AI可解释性领域的重要进展。
所属事件:Anthropic发现Claude内部存在全局工作空间(102 条相关)→
「安全」频道最新
- Agent 接管 Gmail 与浏览器后的投毒风险，及 jev-guard 防护做法 — sujingshen · 2026-10-18
- 用户追问 OpenAI 成人模式：承诺一年仍未落地 — ___Patrice___ · 2026-10-18
- AI 安全报告现乌龙："窃取密钥"实为 test 字符串测试钱包 — basedjensen · 2026-10-18
- 一张图讲清 CSRF 与 XSS 的区别 — _jaydeepkarale · 2026-10-18
- Grady Booch 批 Anthropic 安全框架：容许致 50 死和 10 亿美元损失 — Grady_Booch · 2026-10-18
- 论文：单个神经元即可绕过大模型安全对齐，横跨 7 个模型验证 — burny_tech · 2026-10-18