#interpretability

Anthropic 解釈可能性研究：Claudeの『感情ベクトル』とは何か

Anthropic の解釈可能性研究は、Claude の内部に『感情っぽい方向ベクトル』が存在することを示唆している。だがそれは『AIに感情がある』という結論ではない。AIディレクターが読むべきは『AIに優しくしろ』ではなく『設計で応えろ』というメッセージだ。