内省是人类智能的一个标志，指的是评估和推理自身认知过程的能力。在大型语言模型（LLMs）中，内省作为一种有前景但存在争议的能力逐渐受到关注。然而，当前的评估往往无法区分真正的元认知与一般世界知识或基于文本的自我模拟的简单应用。为此，研究提出了一种原则性分类法，将内省形式化为对模型策略和参数的特定运算的潜在计算。为了隔离广义内省的组成部分，研究团队推出了Introspect-Bench，一个多方面的...