電路更新 – 2024年9月

Anthropic Research·

Anthropic 研究團隊發布了其在可解釋性領域的最新進展，涵蓋了對語言模型特徵的監控與控制，以及關於 Claude 模型潛在應用和風險的探索。

暫無內容

— Anthropic Research

相關文章

  1. Circuits Updates – July 2024

    超過 1 年前

  2. Circuits Updates – August 2024

    超過 1 年前

  3. Circuits Updates – June 2024

    將近 2 年前

  4. A Mathematical Framework for Transformer Circuits

    超過 4 年前

  5. 可解釋性

    5 個月前