大语言模型常被称作"黑箱"——它能给出答案，却说不清自己是怎么想的。Anthropic 的可解释性（interpretability）团队一直在做一件事：打开这只箱子。下面按时间顺序选了五项代表性工作，配上一分钟读懂的导读；想深入的话，点每条里的原文链接。
SAE
页面中的图片与原文版权归 Anthropic 所有，此处仅作学习导读；导读文字为本站原创概括，细节以原文为准。
Anthropic 可解释性研究导读
大语言模型常被称作"黑箱"——它能给出答案，却说不清自己是怎么想的。Anthropic 的可解释性（interpretability）团队一直在做一件事：打开这只箱子。下面按时间顺序选了五项代表性工作，配上一分钟读懂的导读；想深入的话，点每条里的原文链接。
页面中的图片与原文版权归 Anthropic 所有，此处仅作学习导读；导读文字为本站原创概括，细节以原文为准。