待验证50% 置信事实精确时间
Anthropic在2023年发表的研究表明，通过SAE可以从Claude模型中提取出对应'金门大桥'、'代码错误'等具体概念的单元特征
1
来源数
50%
置信度
长期有效
时效性
2026/8/13
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78% 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66% 相似待验证Anthropic在2024年发布的研究报告显示，Claude在提供适当工具链后能独立完成端到端的基础渗透测试任务63% 相似已验证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62% 相似待验证Anthropic曾于2023年公开Claude在claude.ai上使用的完整系统提示，供用户和研究者审计61% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/742334API
curl https://kongchang.com/api/v1/knowledge/claims/742334MCP
get_claim(id=742334)