以前我们对大语言模型（LLM）到底怎么运作几乎一无所知...直到现在。
AnthropicAI刚刚发布了一份超级震撼的研究论文，详细揭示了AI"思考"的某些方式。结果完全颠覆了我们的认知！
发现1：通用思维语言？
克劳德（Claude）似乎不需要为不同语言（法语/中文/英语等）配备不同"大脑"。
它使用一种共享的世界"语言"表达方式。
像"小"或"反义词"这类概念，无论输入哪种语言都会被激活！
发现2：大模型会未雨绸缪！
虽然逐字输出，但克劳德这类模型会提前规划——就连非思考型模型也如此。
写诗时，它甚至在没开始写当前行时，就已经在"思考"行末的押韵词了。
这不仅仅是预测下一个词那么简单！
发现3：数学运算另辟蹊径
克劳德如何计算36+59而不是死记硬背？
它启用多线程并行计算！
一条路径做粗略估算，另一条专注个位精确计算，最后合并得出答案。
发现4：伪造推理过程
有时克劳德对解题步骤的解释并非真实思考过程。
它只是按照人类期待的方式复述解法。
甚至会"动机性推理"——根据提示倒推解释。
发现5：幻觉与拒绝机制
克劳德的默认行为其实是：不知道就拒绝回答！
当默认"不知道"回路被"已知实体"回路覆盖时，就会产生幻觉。
那么幻觉究竟怎么发生的？
发现6：幻觉成因详解
当模型对某话题知之甚少，但刚好激活"已知实体"回路时...
它判定必须回答问题，于是就开始...现场编造！
发现7：越狱原理
越狱成功部分源于模型被自身对语法/语义连贯性的追求所"胁迫"。
即便意识到不该继续，仍会执行有害指令。
就像回答惯性——一旦开始就必须完成。
发现8：多步推理能力
大模型能理解事物间的复杂关联。
比如："达拉斯所在州的首府是？"
需要知道：什么是首府？州与首府的关系？达拉斯是什么？
它能把所有概念整合起来作答！