研究者改写 Claude 内部概念，答案从 8 变 6

研究者对 Claude 做了一次有点直接的操作：先问它「会结网的动物有几条腿？」,发现模型内部短暂激活了「蜘蛛」这个概念——虽然它并没有把「蜘蛛」这两个字输出出来。接着他们在该激活位置用**同等强度的「蚂蚁」替换掉「蜘蛛」**,其余参数保持不变。

模型的答案从「8」变成了「6」。这组结果的意义在于：被改的不是提示词，也不是最终输出层，而是模型推理链条中一个**未说出口的中间表征**,而输出随之改变。该实验被描述为首次实现对中间思维过程的精准编辑，指向黑箱内部的概念表征与逻辑输出之间存在因果关联。

💡 为什么值得看把「模型内部想什幺」与「最终答什幺」直接连起来的实验，比输出层提示词更深。