待验证50% 置信事实精确时间
Anthropic在2024年将机械可解释性方法扩展到Claude 3 Sonnet级别模型，识别出数百万个可解释特征，包括对应欺骗、谄媚等概念的特征
1
来源数
50%
置信度
长期有效
时效性
2026/9/5
首次发现
来源
涉及实体
相关事实
已验证Anthropic在2024年发表了关于Claude内部特征解读的机械可解释性研究，发现了数百万个可解释的特征单元75% 相似待验证Anthropic推出了Claude 3.7 Sonnet，该模型被称为'编程天花板'73% 相似待验证Anthropic此前已在Claude 3.5 Sonnet上展示过在不改变模型权重的情况下通过工程手段实现显著加速的能力73% 相似已验证Claude 3.5 Sonnet是Anthropic于2024年推出的模型，在代码生成基准测试HumanEval上超越了同期GPT-4o71% 相似待验证2024年，Anthropic机械可解释性团队使用稀疏自编码器从Claude模型中提取出数百万个可解释的概念单元69% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/862866API
curl https://kongchang.com/api/v1/knowledge/claims/862866MCP
get_claim(id=862866)