2025-10-21 这一期

这一期没有导语。

本期收录

• LLM 对植入事实的信念有多深 (2025-10-21 · Anthropic Alignment Science)
  Anthropic 等机构提出信念深度框架，发现合成文档微调能植入真正信念，但只对合理事实有效
• 模型操作流形：计数任务的几何 (2025-10-21 · Transformer Circuits Thread)
  Anthropic 发现 Claude 3.5 Haiku 发展出类似生物位置细胞的机制来感知文本中的字符位置，位置编码同时存在离散特征和特征流形两种解释。