待验证50% 置信事实精确时间
2023年研究者利用稀疏自编码器（Sparse Autoencoder）从Claude模型中提取出数百万个可解释特征
1
来源数
50%
置信度
长期有效
时效性
2026/9/6
首次发现
来源
涉及实体
相关事实
待验证Anthropic的机械可解释性研究成果《Towards Monosemanticity》通过稀疏自编码器在Claude模型中识别出数百万个可解释特征71% 相似待验证研究者借助SAE在Claude等模型中识别出数百万个可解读特征，包括与欺骗或权力寻求等抽象概念相关的表征71% 相似待验证2024年安全研究人员展示了通过对抗性后缀（Adversarial Suffix）——一串看似无意义的字符序列——来操纵模型输出的技术65% 相似待验证Claude模型以超过10万token的长上下文窗口和复杂推理能力著称63% 相似待验证AI在解决困扰学界60年的埃尔多斯1196号本原集猜想时，引入了原本用于素数研究的冯·曼戈尔特函数58% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/865811API
curl https://kongchang.com/api/v1/knowledge/claims/865811MCP
get_claim(id=865811)