待验证50% 置信事实精确时间

Anthropic的电路分析和OpenAI的早期特征可视化工作是可解释性研究方向的代表

1

来源数

50%

置信度

长期有效

时效性

2026/9/23

首次发现

来源

AI越来越会"识破"测试：对齐检测正面临新难题

涉及实体

Anthropiccompany OpenAIcompany 可解释性研究concept

相关事实

待验证可解释性研究试图通过机械可解释性、注意力可视化、特征归因等方法理解模型内部工作机制68% 相似待验证雅可比透镜方法由Anthropic在其"全局工作空间"研究中提出，用于观察和引导模型内部表征67% 相似待验证神经元激活可视化是AI可解释性研究的核心议题之一66% 相似待验证Anthropic等公司正在深入研究机制性可解释性（Mechanistic Interpretability），试图直接在激活空间中寻找可读的特征与回路66% 相似待验证雅可比透镜（Jacobian Lens）方法源自Anthropic的可解释性研究，用于观察和引导模型内部表征64% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/942987

API

curl https://kongchang.com/api/v1/knowledge/claims/942987

MCP

get_claim(id=942987)