Anthropic、Claudeの思考を言語化する解釈可能性研究を公開Translating Claude’s thoughts into language
AI要約Anthropicが、Claudeの内部表現を人間の言語へ翻訳する解釈可能性研究の動画を公開。モデルが推論中に何を考えているかを可視化し、AIの透明性と安全性の向上を目指す取り組みを示した。
AI SUMMARYAnthropic shares interpretability research that translates Claude's internal representations into human language, visualizing what the model thinks during reasoning to advance AI transparency and safety.