Anthropic 可解释性研究员 Emmanuel Ameisen 拆解大模型内部机制与安全风险

Anthropic 可解释性研究员 Emmanuel Ameisen 在 Lenny 播客中拆解大模型内部机制：预测下一个词的预训练目标如何逼出世界模型、中间结果里存在计划，以及能力平稳增长为何在跨过可靠性门槛后突然好用。他还讨论可解释性如何服务 AI 对齐与安全。