David Bau 推荐「对比内省」实验：揭示 LLM 自述机制，读神经元或可测谎

David Bau 推荐 diatkinson 等人的新论文，认为「对比内省」实验平台揭示了大规模语言模型为何工作得如此好，并暗示一条谎言检测路径。同一个 AI 说「我认为 X」时，有时给出深刻准确的洞见，有时只是随机鹦鹉式撒谎；读取内部神经元活动或能分辨两者。