待验证50% 置信事实精确时间
机械可解释性（Mechanistic Interpretability）领域已发现特定的'特征'（features）和'电路'（circuits），但对模型整体信息处理机制的理解仍非常初步
1
来源数
50%
置信度
长期有效
时效性
2026/8/9
首次发现
来源
相关事实
待验证机械可解释性通过逆向工程神经网络的权重矩阵识别负责特定功能的'电路'，Anthropic团队发现的'归纳头'（Induction Heads）机制是该领域的代表性成果65% 相似待验证理解装饰器需要先理解闭包，理解面向对象需要先掌握函数65% 相似待验证机械化可解释性、探针技术和激活修补是当前可解释性研究的前沿方向64% 相似待验证Skill机制的本质是将隐性的提示词知识显性化、版本化，使其可以像代码一样被存储、共享和迭代62% 相似待验证Claude Code的Skill机制底层原理类似于System Prompt的结构化封装，通过YAML元数据定义触发条件，通过Markdown正文定义行为规范61% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/716965API
curl https://kongchang.com/api/v1/knowledge/claims/716965MCP
get_claim(id=716965)