Anthropic 发布了一项研究，详细介绍了其 Claude 语言模型中的一个“全局工作区”，该工作区似乎充当内部推理机制。这个工作区允许信息在模型的不同部分之间存储、处理和传递，从而比以往任何方法都更能直接地观察和影响 Claude 的“推理”过程。这一发现可能显著推进 AI 可解释性，从而实现更好的审计、安全防护和对不良模型行为的预测。 AI
影响 提供了一种直接观察和影响 LLM 推理的机制，可能提高可解释性、安全性和高级 AI 能力。
排序理由 AI 实验室发布的研究论文，详细介绍了一个新的内部机制。[lever_c_demoted from research: ic=1 ai=1.0]
在 X — Omar Sanseviero (HF research) 阅读 →
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
