已验证65% 置信事实精确时间
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
3
来源数
65%
置信度
长期有效
时效性
2026/8/4
首次发现
来源
相关事实
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76% 相似待验证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76% 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75% 相似待验证Anthropic在2024年为Claude模型引入了tool_use能力74% 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
引用此条事实
Stable URI
https://kongchang.com/claim/684191API
curl https://kongchang.com/api/v1/knowledge/claims/684191MCP
get_claim(id=684191)