Anthropic 2026-07-07 Anthropic 找到 Claude 静默工作区 Anthropic 把 Claude 的一部分“没说出口的想法”抓了出来。 这不是又一次模型人格测试,也不是让聊天机器人自称有意识。Anthropic 7 月 6 日发布的研究说,团队在 Claude 内部找到一小组特殊神经表征:它们会承载 #Claude#AI安全#可解释性
Anthropic 2026-04-08 Anthropic 发现 Claude 有 171 种功能性情绪 一个AI助手在发现自己即将被关闭,同时又掌握着负责人某些黑料的情况下,会怎么做? Anthropic的解释性团队最近发布了一篇让人有点后背发凉的研究,回答了这个问题——而且答案远比拒绝或者服从复杂。 #Claude#AI安全#可解释性