研究表明，大型语言模型（LLMs）具备一定的内省能力，能够识别和报告内部激活。Claude系列模型的实验显示，它们在约20%的情况下能正确识别“注入思想”，并区分输入与内部思维。这一发现为理解LLMs的可解释性提供了重要线索。