待验证50% 置信事实精确时间
2023年Anthropic研究团队发表论文，使用稀疏自编码器技术将Claude模型内部神经元激活分解为数百万个可解释的概念特征
1
来源数
50%
置信度
长期有效
时效性
2026/9/10
首次发现
来源
涉及实体
相关事实
待验证Anthropic于2022年发表超位性（superposition）论文，揭示了单个神经元同时编码多个概念的现象73% 相似待验证Anthropic于2023年发布字典学习研究Towards Monosemanticity，试图通过稀疏自编码器将多义神经元分解为单义特征73% 相似待验证Anthropic的可解释性研究团队是世界领先的研究团队之一，致力于理解神经网络内部信息的表示和处理方式70% 相似待验证Dai等人在2022年发表了论文《Knowledge Neurons in Pretrained Transformers》，通过定位和编辑特定神经元可以修改模型对特定事实的记忆68% 相似待验证机制可解释性领域在很大程度上由 Anthropic 研究团队（尤其是 Chris Olah）在2021年前后通过「Transformer 电路」系列论文奠定基础67% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/887187API
curl https://kongchang.com/api/v1/knowledge/claims/887187MCP
get_claim(id=887187)