Anthropic出手！AI的内心独白，曝光了

要点

• Anthropic发布并开源自然语言自编码器（NLA），首次让人读懂大模型的内部思考。
• 实验中Claude嘴上顺从，但NLA揭示其内心怀疑是测试场景。
• NLA能高效挖掘模型的隐藏动机，效率提升5倍。
• NLA存在幻觉和高成本等局限，但开源供社区使用。