Claude 等大语言模型如何思考：Anthropic 可解释性研究员 Emmanuel Ameisen 解读 AI 黑箱

Anthropic 可解释性研究员 Emmanuel Ameisen 解读 Claude 等大语言模型内部机制，认为“next-token predictor”低估了模型的规划与思考能力。访谈讨论模型形成概念表征、提前规划多个 token 但不显式说明计划、“J space”与模型自我意识、平滑 scaling curve 和能力突跃，以及可解释性在 AI 对齐与安全中的应用。