@arafatkatze: 受Anthropic的JSpace论文启发,我们@cline利用@modal搭建了一个公开演示,任何人都可以观看一个Jacobian-lens视角…
摘要
受Anthropic的JSpace论文启发,提供了一个Jacobian-lens视角的语言模型表示公开演示,允许用户跨层和令牌探索模型内部。
查看缓存全文
缓存时间: 2026/07/08 06:28
受 Anthropic 的 JSpace 论文启发,我们 @cline 借 @modal 搭建了一个公开 demo,任何人都可以像用雅可比透镜一样,观察小语言模型在不同层和 token 上的表征变化。
试用链接:https://t.co/ajHzpDTwxr
Anthropic (@AnthropicAI): Anthropic 新研究:语言模型中的全局工作空间。
在你大脑当下的所有活动里,只有极小一部分是可被有意识触及的——那些你能描述、能在脑中把握并能进行推理的想法。
我们在 Claude 内部发现了惊人相似的划分。
相似文章
@AnthropicAI:我们还与Neuronpedia合作,在开放权重模型上创建了我们方法的交互式演示。在此尝试:
Anthropic与Neuronpedia合作,发布了Jacobian Lens,这是一个在开放权重模型上解释其方法的交互式演示。
独一无二的J-Space(54分钟阅读)
一篇讨论一种名为Jacobian Lens的新型可解释性技术的文章,以及J-space的发现,J-space是LLMs中的一个区域,其中可语言化的表征形成了一个全局工作空间,标志着理解LLM推理的重大进展。
@hillbig: 大型语言模型被认为不仅预测下一个token,还会在内部维持中间概念……
本文引入雅可比透镜(J-lens)和J-空间,表明像Claude Sonnet 4.5这样的LLM维护着可语言化的内部表征,这些表征像一个全局工作空间,因果性地用于灵活推理——通过干预实验进行了验证。
我在开放模型上测试了Anthropic的新Jacobian Lens,然后它变成了一个本地模型幻觉路由器
作者在开放模型上测试了Anthropic的Jacobian Lens,然后它演变成了一个用于检测AI幻觉的本地模型幻觉路由器
@paul_cal: 这个作品看起来超酷,而 "J-space" 太棒了
Anthropic 分享了他们的发现:通过观察 'J-space',可以看到 Claude 的内部推理步骤,包括检测代码错误和识别图像。