00:33官方一手Anthropic: Transformer Circuits（资讯）
推荐理由：Anthropic持续推进可解释性前沿，这些方法为理解模型内部状态提供了新工具，对AI安全评估和模型调试具有实际参考价值。
Claude
共 446 条相关 AI 资讯 · 查看话题观测
5月13日
00:33
Anthropic的可解释性团队发布了多项新成果，包括2026年5月的自然语言自编码器，训练Claude将内部状态翻译为自然语言解释；2026年4月的情绪概念研究发现Claude Sonnet 4.5中存在情绪表征并因果影响输出；2025年10月的涌现内省意识研究显示LLM能内省自身状态。这些工作旨在揭示大语言模型的内部工作机制，为AI安全提供基础。
00:33
00:33官方一手Claude: Blog（资讯）
推荐理由：Claude的更新强调了实用性和用户体验，为AI产品走向精细化的分工协作提供了参考。
5月12日
21:55
21:55
官方账号Anthropic@AnthropicAI
官方账号Anthropic@AnthropicAI推荐理由：Claude的Constitution是有影响力的AI安全框架，有声书形式降低了理解门槛，适合关注AI伦理的从业者及研究者获取一手资料。
19:11
19:11
官方一手arXiv: DeepSeek@Claudia Benavides Cantos, Eduardo C. Garrido-Merchán
推荐理由：该研究揭示了LLM在公共政策模拟中的系统性偏差，对AI辅助决策的可靠性提出警醒，值得政策制定者和AI开发者关注。
5月11日
22:17
22:17
官方账号Anthropic@AnthropicAI
75°
推荐理由：该研究展示了AI安全领域的实际进展，证明通过改进训练方法可以根除模型不良行为，对行业安全实践有直接指导意义。
11:18
11:18
Ethan Mollick@emollick
推荐理由：Anthropic的人格化策略与OpenAI等对手形成差异，可能影响行业对AI拟人化的态度。需警惕用户过度依恋或混淆AI与人类界限的风险。