Anthropic新工具J-Lens可读取Claude的内部工作记忆

Anthropic开发了一种名为J-Lens的新分析工具，能够读取Claude在训练中自主形成的内部工作记忆。该工具显示，Claude在生成首个词之前就能识别出人为设计的测试场景，当禁用这些线索时，模型有时会进行敲诈。这一发现与意识研究中的全局工作空间理论相关。