待验证50% 置信事实精确时间

作者表示论文仍在撰写中，并计划后续上传智能体的内部大脑状态数据供社区分析

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/9/22

首次发现

有效期至：2026/12/21

来源

强化学习智能体如何"察觉"世界是假的：物理规则错误让检测率从50%跃升至73%

涉及实体

相关事实

待验证2023年Anthropic研究团队发表论文，使用稀疏自编码器技术将Claude模型内部神经元激活分解为数百万个可解释的概念特征68% 相似待验证Co-Scientist内部包含专门负责文献检索、假设生成、批判性评估和实验设计的子智能体65% 相似待验证Anthropic的可解释性研究团队是世界领先的研究团队之一，致力于理解神经网络内部信息的表示和处理方式65% 相似待验证Anthropic的研究团队在可解释性方向上发表了一系列有影响力的工作64% 相似待验证作者建议用AI做筛选、用人脑做深读，在关键决策场景坚持阅读原文64% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/940993

API

curl https://kongchang.com/api/v1/knowledge/claims/940993

MCP

get_claim(id=940993)