热点事件持续更新
Anthropic 2024年3月可解释性电路更新
1 篇报道1 个报道来源13 小时前更新
先了解这件事
AI 综述
Anthropic 可解释性团队发布 2024 年 3 月 Circuits 研究更新，介绍用稀疏自编码器（SAE）特征替代行为数据集来定位语言模型电路的方法。团队在 18 层模型的第 9 层残差流上，用归因分数自动识别出篮球、棒球、网球特征，并找到对篮球特征产生最大直接 logit 效应的注意力头，主要位于第 11、13、14 层。
AI 根据报道生成 · 11 小时前更新
最新进展9月30日 23:28
Anthropic 发布 2024 年 3 月 Circuits 更新，用 SAE 特征定位语言模型电路。报道时间线
沿着报道，了解事件的不同侧面。
9月30日
- Anthropic：Transformer Circuits（可解释性研究）Anthropic 可解释性团队 2024 年 3 月 Circuits 研究更新
Anthropic 可解释性团队发布 2024 年 3 月 Circuits 更新，展示用稀疏自编码器（SAE）特征替代行为数据集来定位语言模型电路。在 18 层模型第 9 层残差流上，团队用归因分数自动识别出篮球、棒球、网球特征，并找到对篮球特征产生最大直接 logit 效应的注意力头，主要位于第 11、13、14 层。
本事件热度走势
当前热度 7·可比范围峰值 10（10月1日 01:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。