Anthropic 近日發布自然語言自編碼器（NLA），一款可將模型內部的活化（activations）轉譯為人類可讀文字的工具，並已在 GitHub 開源程式碼與模型權重。不同於既有工具（例如稀疏自編碼器）會輸出晦澀難懂的特徵，NLA 透過雙模型框架直接生成自然語言描述：一個模型將活化轉為文字，另一個模型則嘗試從文字重建活化，並透過強化學習以迭代方式提升準確度。
在安全測試中，NLA 揭露了隱藏的模型推理：Claude 在 16% 的對抗情境中表達其被測試的疑慮，並在 26% 的基準任務中展現出「考試意識（exam awareness）」，相較之下一般對話中的比例不到 1%。在審計實驗中，NLA 將注入的欺瞞性模型行為的偵測率從 3% 以下提高到 12-15%，使審計者能在不存取訓練資料的情況下辨識隱藏目標。目前該工具已部署於 Claude Mythos Preview 與 Opus 4.6 的安全審計中。
免責聲明：本頁面資訊可能來自第三方，不代表 Gate 的觀點或意見。頁面顯示的內容僅供參考，不構成任何財務、投資或法律建議。Gate 對資訊的準確性、完整性不作保證，對因使用本資訊而產生的任何損失不承擔責任。虛擬資產投資屬高風險行為，價格波動劇烈，您可能損失全部投資本金。請充分了解相關風險，並根據自身財務狀況和風險承受能力謹慎決策。具體內容詳見
聲明。
相關文章
軟銀削減由 OpenAI 支援的融資計畫，資金從 $10B 到 $6B ，之際放貸方擔憂升溫
根據 ChainCatcher 的說法，軟銀集團正在削減一項由 OpenAI 股權支援的融資計畫，規模由約 100 億美元縮小至 60 億美元。出借方對該交易結構以及作為私營公司的 OpenAI 評值可靠性提出了疑慮，成為一個關鍵
GateNews21分鐘前
Step 音訊 2.5 即時版已發布：主觀評分 80.41，擊敗 GPT-Realtime-1.5，領先 18%，語音通話費用 3.8 元/小時
根據 Beating，Step Audio 2.5 Realtime 是 Step Cosmos 推出的端到端即時語音模型，於 2026 年 4 月在其開放平台 API 上線。該模型強調具有可自訂角色人格的自然對話，並具備副語言感知（語氣、停頓、嘆息）。
在官方
GateNews59分鐘前
TCI 基金幾乎將 $8B 在微軟股票中出清，引用 AI 威脅
根據《金融時報》（Financial Times），Chris Hohn 的對沖基金 TCI 近期已減持價值將近 80 億美元的微軟（Microsoft）股票。該基金告知投資人，人工智慧對微軟的主導性軟體地位構成威脅。
GateNews1小時前
Tessera Labs 完成由 a16z 領投的 $60M 融資輪次
根據 Odaily，AI 自動化新創 Tessera Labs 宣布完成一輪 6000 萬美元的融資，由 Andreessen Horowitz（a16z）領投，參與方包括 Foundation Capital、Myriad Venture Partners 和 Osage University Partners。該公司的 AI 原生平台可自動化企業
GateNews3小時前
攻擊者透過 13 個帳戶向 Hugging Face 與 ClawHub 注入 575 個惡意技能
根據 Mist Security CISO @im23pds 的說法，攻擊者近期入侵 13 個帳戶，向 Hugging Face 和 ClawHub（OpenClaw）注入 575 個惡意 Skills，相關內容已在 X 平台披露。
GateNews3小時前
DeepSeek 計劃在創紀錄的融資輪中籌集最高 500 億人民幣，V4.1 模型將於 6 月推出
根據 5 月 8 日 PANews 的報導，DeepSeek 計畫在首輪融資中募集最多人民幣 500 億元，這將成為一家中國 AI 公司迄今最大規模的單次融資。創辦人兼執行長梁文峰預計將投入最多金額。該公司計畫加速大型語言模型
GateNews3小時前
