2025-04-29 这一期

这一期没有导语。

本期收录

• Circuits 更新：2025 年 4 月 (2025-04-29 · Transformer Circuits Thread)
  Anthropic 可解释性团队分享了一个未成功的越狱案例，发现模型拒绝它的机制与拒绝直接请求不同。