开始将可解释性用于预部署审计

Jack Lindsey

在发布Claude Sonnet 4.5之前，我们对模型进行了白盒审计，应用可解释技术“读取模型思维”，以验证其可靠性和对齐。据我们所知，这是首次在前沿LLM上进行此类审计。(1/15) https://t.co/2FPWPAHnZt

打开互动版