12:33官方一手Anthropic: Transformer Circuits（资讯）
精选
推荐理由：Anthropic的电路分析新进展
harm pressure
共 1 条相关 AI 资讯
5月13日
12:33
Anthropic 在2025年11月发布Circuits项目更新，专门研究 harm pressure。该更新通过 mechanistic interpretability 分析模型内与有害内容相关的电路。研究可能涉及 Claude 模型内部的 harm 检测回路。相关方法旨在量化模型在生成有害输出时的压力信号。