● 潜在内省（以及其他开源内省论文）— LessWrong

📌 一句话摘要 这项研究表明，LLM 具备潜在的、依赖于提示词的内省能力。研究揭示，尽管模型在采样输出中经常否认，但它们实际上能够检测到激活中注入的概念，且这些信号可以通过 Logit Lens 分析检测出来。 📝 详细摘要 本文探讨了大语言模型（LLM）是否能够进行内省——具体来说，它们是否能