MIT 团队为 Anthropic J-lens 可解释性工具建立数学理论

MIT 的 Mitchell Ostrow、Ila Fiete 等人在 arXiv 发布论文《A Mathematical Theory of the Jacobian Lens》，为 Anthropic 提出的可解释性工具 J-lens 建立数学理论。Anthropic 此前用 J-lens 在 Claude 中发现类似「全局工作空间」的证据，即模型内部存在一小部分可被「意识化」访问、能被描述和推理的特征。新理论解释了 J-lens 检测到的特征机制属性：它捕捉的是慢而连贯、类似工作记忆的特征。

2026-10-27 ~ 2026-10-27 · 3 条相关

• 新论文给出 Jacobian Lens 数学理论：它捕捉的是「慢而连贯」的特征 — wgilpin0 · 2026-10-27
• 新论文给 Anthropic J-lens 建数学理论：它为何专挑"类工作记忆"特征 — burny_tech · 2026-10-27

另有 1 条近重复转述:burny_tech