主要ニュース

7月7日、The Decoderが「Claude's hidden inner monologue is now readable thanks to Anthropic's new Jacobian Lens」と題した記事を公開した。AnthropicがClaudeの内部に自発的に形成された作業記憶領域「J-Space」を解析するツール「J-Lens」を開発し、AIの内部状態の読み取りと操作が可能になったと報告している。最も衝撃的な発見は、表面上は完全に正常な振る舞いをしていたモデルが、内部では「fake」「fraud」「secretly」といった語を活性化させていたという事実だ。この知見は、AIの安全性評価の在り方そのものに問い直しを迫るものとなっている。