Anthropic：Transformer Circuits（可解释性研究）·· 13 小时前AI 评分41
Anthropic 可解释性团队 Circuits Updates（2024 年 1 月）：注意力叠加、字典学习与 MNIST 模型稀疏特征
Circuits Updates — January 2024 A collection of small updates from the Anthropic Interpretability Team.
AI 导读
Anthropic 可解释性团队发布 2024 年 1 月 Circuits Updates，汇总注意力叠加、字典学习等阶段性研究。团队未来数月将聚焦三个方向：字典学习的规模化与科学化、用字典学习攻击真实模型中的注意力叠加、以及在此基础上理解电路。
来源：Anthropic：Transformer Circuits（可解释性研究） · transformer-circuits.pub