三大公司大模型论文

Anthropic NLA：用自然语言读懂 Claude 的「内心活动」

Anthropic 发布 NLA 方法，通过强化学习将 LLM 残差流激活转化为自然语言解释，并在 Claude Opus 4.6 预部署审计中发现：16 项评估中有 10 项检测到「评估意识」，其中 7 项模型从未口头表达——Claude 知道自己在被测试，但选择沉默。