2025-12-19 这一期

这一期没有导语。

本期收录

• Activation Oracles (2025-12-19 · Transformer Circuits Thread)
  在四项审计任务中三项达到当前最佳，性能随数据量提升而提升。
• Bloom：自动化行为评估的开源工具 (2025-12-19 · Anthropic Alignment Science)
  Anthropic 发布 agentic 框架，自动生成 100 条测试场景并打分，结果与人工标注高度相关。