多项研究测试大语言模型是否具备内省自身思维的能力

研究人员通过向大语言模型直接注入概念激活模式，测试模型能否感知并识别自身的内部状态。Anthropic 等机构的研究显示，模型在 20% 的测试中能准确报告被注入异常且控制组零假阳性，证实其具备稳健的异常检测能力。但后续研究指出，模型对注入概念的具体描述可能只是激活导向直接诱发的文本输出，关于该能力是否算作真正内省仍存理论争议。