Anthropic出手！AI的內心獨白，曝光了

要點

• Anthropic釋出並開源自然語言自編碼器（NLA），首次讓人讀懂大模型的內部思考。
• 實驗中Claude嘴上順從，但NLA揭示其內心懷疑是測試場景。
• NLA能高效挖掘模型的隱藏動機，效率提升5倍。
• NLA存在幻覺和高成本等侷限，但開源供社群使用。