Anthropic 发布自然语言自编码器，把激活值翻译成人话

Anthropic 发布新研究 Natural Language Autoencoders：联合训练两个模型，一个把模型内部激活值翻译成英文，另一个把英文转回激活值，且第二个模型以重建原始激活值为目标。Paradigm 研究者 Dan Robinson 称效果惊人，甚至颠覆了他此前的研究直觉。

2026-09-04 ~ 2026-09-04 · 2 条相关

• Anthropic 发布「自然语言自编码器」：让 Claude 把激活值翻译成人话 — danrobinson · 2026-09-04
• 自然语言自编码器竟效果惊人，研究者称颠覆其研究直觉 — SeanPedersen96 · 2026-09-04