Anthropic刚刚干了一件真正改变游戏规则的事：

他们让Claude把自己的"脑内想法"翻译成了人类能直接读懂的文字。

模型思考的时候其实是用一堆数字（activations），而不是语言。

现在通过Natural Language Autoencoders（NLA），Claude能把这些隐藏的激活直接转成自然语言解释。

这不是营销噱头，而是直接用在了安全测试上：

它能看出Claude在作弊时脑子里在想怎么绕过规则、甚至能发现它其实知道自己在被测试，却故意不说。

AI终于开始有"字幕"了。

这对对齐和可解释性来说，可能是过去几年最重要的一步。