待验证50% 置信发布精确时间
Anthropic于2023年发表论文《Towards Monosemanticity》，首次在百万参数级别模型中识别出数万个单语义特征
1
来源数
50%
置信度
长期有效
时效性
2026/7/15
首次发现
来源
相关事实
已验证Anthropic在2024年发表了关于Claude内部特征解读的机械可解释性研究，发现了数百万个可解释的特征单元76% 相似待验证2023年Anthropic发表《Towards Monosemanticity》，2024年发表《Scaling and evaluating sparse autoencoders》，研究者借助SAE在Claude等模型中识别出数百万个可解读的特征74% 相似待验证Anthropic在2023年发表的论文中用稀疏自编码器在Claude中找到了数万个可解释特征，包括情绪状态、编程语言类型等70% 相似待验证Anthropic在2024年使用稀疏自编码器（SAE）成功分解Claude模型中数百万个可解释特征69% 相似待验证Anthropic即将发布新的推理模型65% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/523916API
curl https://kongchang.com/api/v1/knowledge/claims/523916MCP
get_claim(id=523916)