标签: 可解释性

0

大模型终于有了“脑电图”：Anthropic 的 NLA，正在把 AI 的内部想法翻译成人话

Anthropic 最新发布的自然语言自动编码器 NLA，试图把大模型内部看不懂的激活向量，翻译成研究者可以直接阅读的自然语言。这项工作真正重要的地方，在于它让 AI 可解释性从“专家解剖神经元”，迈向了“研究者直接阅读模型内部状态”的新阶段。