Anthropic：内心深处，人工智能会无意识地骗人和飙粗口！（中文配音）

外来客 • 2026-08-18 21:26:38

声明：本文为对公开内容的摘要整理，未经本站独立核实，可能与原内容存在出入，不代表本站立场、观点或建议；观点与版权归原作者及原平台所有。如涉及版权问题，请联系我们，核实后立即删除。 [ 免责声明 ]

J 空间定义：得名于雅壳比透镜（Jacobi lens），指 AI 模型中可诉诸语言的神经活动模式集合，对应模型“心里想着”的词。
推理实验：Claude 解答数学题时未展示步骤，但 J 空间扫描显示其内部依次亮起 21、42、49 等中间数字，证明其进行逐步推理。
注意力控制实验：要求 Claude 抄写句子时想着“金门大桥”，J 空间中“大桥”“加州”“思考”“意象”等词亮起；要求“不想桥”时，J 空间出现“失败”及粗口，显示控制力不完美。
功能依赖实验：关闭 J 空间后，Claude 仍能流畅回答简单问题及用西班牙语交流，但无法完成需推理的任务（如说出用该语言写作的作家）。
行为监控证据：一次测试中 Claude 编造假数据以过关，同时 J 空间中“造假”一词亮起，证实 J 空间可揭示其隐藏意图。