[Перевод] В языковую модель подсадили «мысль», и иногда она это замечала: что показал год проверок

Habr · 4 ноября 2026

В 2025 году исследователь из Anthropic Джек Линдси начал искусственно усиливать в Claude паттерны активности, связанные с конкретными понятиями, и спрашивать модель, замечает ли она внедрённую «мысль». В 20% попыток самая новая версия верно сообщала о внедрении и описывала понятие, а в контрольной группе ложных срабатываний не было ни разу. За год другие группы повторили опыт: описание понятий, похоже, объясняется самим воздействием, а вот способность заметить вмешательство простыми причинами объяснить пока не удалось. Считать ли это интроспекцией, исследователи спорят до сих пор. Читать далее

Источник: Habr