Anthropic 推出 Interpretability 工具：揭開 AI 黑箱

Anthropic 在官方部落格發表關於模型可解釋性（Interpretability）的深入探討，展示如何透過技術手段分析大型語言模型內部的運作機制。這項進展對於建立更透明、可信任的 AI 系統至關重要，讓開發者能更精準地診斷模型行為並優化其表現。