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…
[Перевод] В языковую модель подсадили «мысль», и иногда она это замечала: что показал год проверок
Это краткое изложение. Полный текст материала доступен на сайте источника.