Anthropic开源“归因图谱”，能追溯大模型的“思考”过程！ 简单来说，归因图谱就是一张“流程图”。图上的一个个小点（节点）代表了模型处理信息时识别出的各种“特征”，而连接这些点的线（边）则表示这些特征之间是怎么相互影响的。 它能图形化地展示模型为了给出一个特定的答案，都走了哪些计算步骤。 来看两个官方示例，咱们一看就明白： 两跳推理 当你问Gemma 2（2B 模型）“达拉斯所在州的首府是什么”时，模型需要先想一下：达拉斯在德克萨斯州，然后再推导出德克萨斯州的首府是奥斯汀。 归因图谱就能把这种“先想一步”的过程清晰地画出来。【图2】 多语言回路 另一个例子是Haiku模型，当你用不同语言问它“小的反义词是什么”时，它内部处理问题的“回路”竟然非常相似。 这可能说明 Haiku 在理解问题时，不是死板地看语言本身，而是先转化成了一种“不分语言”的通用概念来识别。（英文：【图3】中文：【图4】法语：【图5】） Anthropic 这次开源的工具，普通人也能上手试试看！ 想简单体验一下的同学，可以直接去Neuronpedia网站。选择一个模型和预设问题或提出新问题，它就能帮你生成对应的归因图谱，交互式地探索这些图谱的奥秘。【图6】 如果你是研究人员或者对代码感兴趣，可以直接去代码仓库深入研究。总的来说，这次开源能帮助大家： 在你支持的模型上，生成自己的归因图谱，追踪模型的“思考回路”。 在交互界面上，更直观地查看、标记和分享这些图谱。 通过调整图谱中的特征值，看看模型输出会有啥变化，从而验证自己的想法。 来试试看吧！ Neuronpedia：-2-2b/graph 代码仓库：-research/circuit-tracer
