Исследование Anthropic: Claude иногда «замечает» внедрённые в него мысли

Исследователи из Anthropic в 2025 году экспериментировали с искусственным усилением нейронных паттернов в модели Claude, связанных с конкретными понятиями. В 20% случаев модель верно сообщала о внедрённой «мысли» и описывала её, при этом ложных срабатываний не фиксировалось. Учёные пока не могут однозначно классифицировать это явление как интроспекцию, так как механизм распознавания вмешательства остаётся необъяснённым.