评论：自我报告实验可能被高估
voooooogel · x · 2026-07-14
这条评论认为，论文里最不令人信服的实验，可能更像是“换了一种叙述注册风格”，而不是作者声称的强结论。 作者猜测：预训练阶段模型里本来就存在一簇会被默认抓取的自我报告表达；而 Claude 在后训练 / RL 之后，形成了另一种更稳定的自我报告风格，并且与所谓的 j-space 机制绑定。若把 j-space 消融掉，原本的“Claude 风格”就不再出现，另一种预训练时的表达注册反而会浮现出来。 不过即便如此，这仍然是有意思的发现：Claude 的自我报告语言似乎确实和 j-space 相关，只是实验能支持的结论，可能比论文想强调的要弱一些。