Anthropic 开源可解释性代码 jacobian-lens

2026 年 9 月 30 日，AGI Hunt 报道，Anthropic 开源了论文配套代码 jacobian-lens，该项目已获得约 2k star。据该报道描述，jacobian-lens 的功能是把模型内部激活线性映射为可读 token：先将任意层、任意位置的残差流向量线性传输到末层基，再用模型自身的 unembedding 解码为排序的词表 token，从而读出内部激活「倾向于让模型说什么」。报道未提及代码的具体发布时间、许可协议或配套论文的更多细节，目前公开信息仅限于该项目的功能说明与 star 数量。

AI 根据报道生成 · 3 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。