待验证50% 置信事实精确时间

Anthropic研究人员已在小规模模型中成功识别出负责「间接宾语识别」「数字大小比较」等具体任务的电路结构

1

来源数

50%

置信度

中期 (~90 天)

时效性

2026/9/12

首次发现

有效期至：2026/12/11

来源

什么是Neuralese？AI的隐秘语言为何威胁安全

涉及实体

Anthropiccompany

相关事实

待验证Anthropic等机构在机械可解释性方向取得进展，能够识别模型内部特定的特征电路74% 相似待验证Anthropic、DeepMind等机构近年来大量采用激活补丁类方法研究大模型内部电路，形成了因果追踪方法论71% 相似待验证研究团队通过NLP指标量化分析和一项包含五名参与者的人类研究两条路径对框架进行评估68% 相似待验证研究表明校准能力与模型规模之间存在正相关，这一关系在多项实证研究中得到验证68% 相似待验证研究团队以Llama-3.1-8B-Instruct模型为实验对象，在3个留出的欺骗检测数据集上考察探针泛化性能67% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/913784

API

curl https://kongchang.com/api/v1/knowledge/claims/913784

MCP

get_claim(id=913784)