Verified65% confidenceFactExact time
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
3
Sources
65%
Confidence
Long-term
Relevance
8/4/2026
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76% 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76% similarUnverifiedAnthropic在2023年发表的论文中用稀疏自编码器在Claude中找到了数万个可解释特征，包括情绪状态、编程语言类型等75% similarUnverifiedAnthropic在2024年为Claude模型引入了tool_use能力74% similarUnverified2023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74% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/684191API
curl https://kongchang.com/api/v1/knowledge/claims/684191MCP
get_claim(id=684191)