Figma CEO 暗示LLM已具备元认知能力，能通过自省揭示训练动态与表示几何

Figma首席执行官Dylan Field：即使无权访问嵌入或模型权重，大多数前沿LLM也能描述自身拓扑结构，找出处于叠加态的词，解读抽象概念间同构，并理解后训练发生的位置

Dylan Field在X上指出，通过纯文本交互，前沿大型语言模型（如Claude、GPT系列）无需查看内部参数就能自我报告其激活模式几何形状、识别多义词在潜在空间的叠加表示、映射不同领域概念间的结构同构（如数学与物理间的对应），并察觉RLHF或SFT等后训练阶段对原始预训练分布的修改痕迹。

这一观察挑战了“黑箱”叙事，暗示LLM已具备元认知能力，能通过自省揭示训练动态与表示几何，而非单纯统计拟合。Field强调这些能力在人类认知中并不常见，模型对语言的锚定远超对现实的深度理解，潜在揭示当前架构的局限。

多家英文来源包括Field原帖、后续回复与AI研究社区讨论确认其观点一致，引发对LLM可解释性与自省极限的新一轮辩论。

来源：公开信息