Circuits 更新：2024 年 4 月
来自 Transformer Circuits Thread · 期号 2024-04-26
摘要
Anthropic 可解释性团队发布 2024 年 4 月进展，包含多项新研究。 团队正在招聘，预计 2024-2025 年大幅扩张，最急需的是管理岗。研究科学家和工程师也开放申请，不要求机器学习背景。 新研究包括：字典学习的缩放定律、SAE 训练方法更新、特征对模型行为的影响程度、可解释性架构项目、以及隔离不同长度电路路径的方法。 这些是初步成果，团队表示后续会发表更完整的论文。