2024-12-11 这一期

这一期没有导语。

本期收录

• Stage-Wise 模型差异分析 (2024-12-11 · Transformer Circuits Thread)
  Anthropic 提出通过微调 SAE 字典来分离模型微调中数据与模型各自的影响，在休眠 agent 实验中比 crosscoder 更灵敏。