verbalizable-representations
언어화 가능한 표현
모델 내부에서 자연어 형태로 추출하거나 보고할 수 있는 중간 표상을 가리키며, 입력을 받아 내부 상태로 통합된 뒤 텍스트로 변환 가능한 형태로 유지되는 정보가 핵심이다. 이러한 표현은 모델의 추론 과정을 외부에서 관찰·해석할 수 있게 하며 감사(audit) 도구로 활용된다. 본문에서는 Anthropic이 이 표상을 통해 J-Space를 규명했다고 주장한 점이 중심 논점이다.
