发生了什么
Anthropic 公开自然语言自编码器方法，尝试把 Claude 内部数字激活直接转成可读文本。
为什么重要
模型可解释性会影响安全审计、行为追踪和企业部署信任，是大模型进入严肃业务前必须补上的能力。
站内判断
模型工具和 API 选型后续不能只看速度和价格，可解释性、安全审计和治理能力会变成关键指标。
Anthropic 推出自然语言自编码器，Claude 内部活动可被文本解释
Anthropic 发布自然语言自编码器 NLA，用文本解释 Claude 内部激活状态，让模型可解释性从抽象可视化进一步接近人类可读说明。