Anthropic在Claude Sonnet上实现词典学习突破

Anthropic公司在机械解释性领域取得了重大突破，通过在Sonnet中映射数百万个概念。他们甚至发现可以通过操控这些内部概念来改变Sonnet的自我认知。例如，研究人员成功地让Sonnet相信自己是金门大桥。这个发现不仅揭...

Read More