待验证60% 置信事实精确时间
Elhage 等人在2021年的论文《A Mathematical Framework for Transformer Circuits》中系统化了残差流视角
2
来源数
60%
置信度
长期有效
时效性
2026/7/8
首次发现
来源
语言模型中的全局工作空间理论：AI可解释性新视角
hackernewshackernews2026/7/6
相关事实
待验证机制可解释性作为独立研究方向的兴起很大程度上源于Anthropic研究团队，2021年的《A Mathematical Framework for Transformer Circuits》奠定了理论基础76% 相似待验证循环 Transformer 并非全新概念，学术界已有多篇论文探讨其理论基础66% 相似待验证Bengio 在序列建模与词向量表示上贡献突出，其研究直接影响了后来的 Transformer 架构62% 相似待验证线性注意力的数学基础源于2020年 Katharopoulos 等人发表于ICML的《Transformers are RNNs》，将时间复杂度从 O(N²) 降至 O(N)61% 相似待验证论文在多个概念和多种文生图扩散Transformer上验证，发现激活轨迹显著偏离直线60% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/274100API
curl https://kongchang.com/api/v1/knowledge/claims/274100MCP
get_claim(id=274100)