Unverified50% confidenceFactExact time
2023年Anthropic发表《Towards Monosemanticity》，2024年发表《Scaling and evaluating sparse autoencoders》，研究者借助SAE在Claude等模型中识别出数百万个可解读的特征
1
Sources
50%
Confidence
Long-term
Relevance
7/19/2026
First Seen
Sources
Related Claims
UnverifiedAnthropic在2024年使用稀疏自编码器（SAE）成功分解Claude模型中数百万个可解释特征78% similarUnverifiedAnthropic于2023年发表论文《Towards Monosemanticity》，首次在百万参数级别模型中识别出数万个单语义特征74% similarVerifiedAnthropic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74% similarUnverifiedAnthropic在2023年发表的研究表明，通过SAE可以从Claude模型中提取出对应'金门大桥'、'代码错误'等具体概念的单元特征66% similarUnverifiedAnthropic曾于2023年公开Claude在claude.ai上使用的完整系统提示，供用户和研究者审计66% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/561825API
curl https://kongchang.com/api/v1/knowledge/claims/561825MCP
get_claim(id=561825)