Anthropic Crosscoder Model Diffing 研究

Anthropicの解釈可能性（Interpretability）チームは、Crosscoder Model Diffingに関する予備的な研究を共有しました。この研究は、crosscoderを使用して異なるAIモデルを比較・区別する方法について、解釈可能性分野の研究者に洞察を提供することを目的としています。

Preliminary Nature of the Research

Anthropicは、Crosscoder Model Diffingの研究結果を、開発中の作業および予備的な実験として説明しています。チームは、これらの知見を正式で成熟した研究論文ではなく、ラボミーティングの文脈で共有された初期段階の研究として扱うよう、読者に明示的に求めています。

Context within Anthropic's Research Portfolio

このCrosscoder Model Diffingに関する発表は、Anthropicによるより広範な研究アップデートの一部であり、これにはマルチエージェントシステムにおけるシステム的な失敗に関する研究、労働者の再教育プログラムのレビュー、および未発表の研究用Claudeバージョンにおける数学的能力（特にリーマンゼータ関数に関するもの）の進歩が含まれます。