​Anthropic 推出自然语言自编码器，将 Claude 内部活动直接转化为人类可读的文本解释

Anthropic公司发布新型自然语言自编码器（NLA），能将语言模型Claude内部的数字“激活”直接转化为人类可读文本，解决了以往难以理解模型内部状态的问题。该技术为模型可解释性打开新大门，使AI的“思考活动”更透明。