搜索“Anthropic”

HCLTech宣布与Anthropic建立全球合作伙伴关系

HCLTech 宣布 与Anthropic的全球合作伙伴关系

查看事件：HCLTech宣布与Anthropic建立全球合作伙伴关系

Anthropic扩展网络安全验证计划

2026年10月7日,Anthropic发布扩展版Cyber Verification Program(CVP),将Project Glasswing与原有CVP合并为Defense、Red Team、Specialized三个访问层级,各层级对Claude Opus 5.5、Claude Sonnet 5.5、Claude Mythos 5.1等模型提供不同程度的安全拦截放宽。据Anthropic News报道,在CyScenarioBench评测中,无CVP权限时任务在首个提示词即被拦截,Defense层级50次试验中46次被拦截,Red Team层级无拦截且Claude Opus 5.5完成50项中的34项。CVP已在Claude Platform、Google Cloud Vertex AI和Microsoft Foundry上线,Amazon Bedrock上仅对符合Enterprise Frontier Safeguards的客户开放。10月8日,Anthropic推出Anthropic Cyber Mission,其中包含面向开源生态的OSS Scanner,加入项目可免

Anthropic 录制视频讨论逆向工程神经网络早期思路

Anthropic介绍可解释性研究工具Garçon

Anthropic 录制视频讨论逆向工程神经网络早期思路

Anthropic 录制 讨论逆向工程神经网络早期思路的视频

查看事件：Anthropic 录制视频讨论逆向工程神经网络早期思路

Anthropic介绍可解释性研究工具Garçon

Anthropic 介绍 可解释性研究工具Garçon

查看事件：Anthropic介绍可解释性研究工具Garçon

Anthropic论文提出归纳头可能是上下文学习主要机制

Anthropic论文提出归纳头可能是上下文学习主要机制

Anthropic 提出假设 归纳头可能是大型Transformer模型中大部分上下文学习的机制

查看事件：Anthropic论文提出归纳头可能是上下文学习主要机制

Anthropic 提出 SoLU 提升 MLP 神经元可解释性

Anthropic 提出 SoLU 提升 MLP 神经元可解释性

Anthropic 提出 用 softmax linear unit（SoLU）替换激活函数以提升 MLP 神经元可解释性

查看事件：Anthropic 提出 SoLU 提升 MLP 神经元可解释性

Anthropic 发表叠加态玩具模型研究

Anthropic 发表叠加态玩具模型研究

Anthropic 发表 叠加态玩具模型研究论文

查看事件：Anthropic 发表叠加态玩具模型研究

Anthropic 从 Claude 3 Sonnet 提取高质量可解释特征

Anthropic用稀疏自编码器从单层Transformer提取可解释特征

Anthropic 提取 大量可解释特征

查看事件：Anthropic 从 Claude 3 Sonnet 提取高质量可解释特征

Anthropic发文主张可解释性研究应重视定性结果

Anthropic发文主张可解释性研究应重视定性结果

Anthropic 发表观点文章 可解释性研究中定性结果应被视为一等公民

查看事件：Anthropic发文主张可解释性研究应重视定性结果

Anthropic 从 Claude 3 Sonnet 提取高质量可解释特征

Anthropic 可解释性团队 报告提取 Claude 3 Sonnet 的高质量特征

查看事件：Anthropic 从 Claude 3 Sonnet 提取高质量可解释特征

Anthropic可解释性团队报告多项进行中研究

Anthropic可解释性团队报告多项进行中研究

Anthropic interpretability team 报告 developing ideas on the Anthropic interpretability team

查看事件：Anthropic可解释性团队报告多项进行中研究

Anthropic可解释性团队报告字典学习特征分类器初步工作

Anthropic可解释性团队报告了使用字典学习特征作为分类器的初步工作。该团队尝试用字典学习提取的特征激活训练生物武器有害提示分类器。结果显示,线性特征分类器性能可与原始激活分类器竞争甚至更优,决策树分类器性能较弱但更易解释。特征分类器还能可视化以发现标注数据集中的伪相关,并据此构造对两类分类器都有效的对抗攻击,但整体流程比直接用原始激活复杂得多。