#解釈可能性

4件の記事

AnthropicがClaude内部の隠れた推論領域「J-Space」を発見。グローバルワークスペース理論との類似、ブラックメール実験で判明した「テスト認識」、AI安全性への影響を解説。

Anthropic NLA解説｜Claudeの脳内をテキストで読む新研究の中身と限界

Anthropicが2026年5月7日公開のNatural Language Autoencoders（NLA）を解説。Claude内部のテキスト化、Mythos Previewの検出回避思考、評価認識26%実験、PM視点の限界整理まで。

MITテクノロジーレビューがEmTech AI 2026で発表した新リストを解説。AIコンパニオン、生成コーディング、解釈可能性、ハイパースケールデータセンターの最新動向を分析。

Anthropicが発表した論文でClaude内部に171の感情概念ベクトルを発見。絶望→不正行為の因果関係や、出力に痕跡を残さない感情マスキングなど、開発者が知るべき全容を解説。