model-activations

Anthropic 在 Claude 的激活中发现了静默推理（J-space）。作者在本地将同一雅可比透镜应用于 Qwen3-8B，利用它检测工具调用前的散文偏移，并实现代理防护。

GoodfireAI 推出了块稀疏特征化器（BSFs），这是一种新的研究方法，利用多维块而非单一方向来发现模型激活中的概念。