Tag: interpretability

All the articles with the tag "interpretability".

• 8.8

  Anthropic 解构 LLM 人格空间——「助手轴」研究

  2026年03月16日

  · Anthropic Research

  Anthropic 新研究从神经激活角度定义「助手轴」，揭示 LLM 人格漂移的内在机制，并提出激活限幅方案稳定模型行为。