论文提出 Jacobian Lens 数学理论，解释 Anthropic 可解释性工具
原文标题：A Mathematical Theory of the Jacobian Lens
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
针对 Anthropic 提出的 Jacobian lens 可解释性工具，论文给出其数学理论，证明该工具优先识别跨层放大、跨位置稳定的相干特征方向。研究在贝叶斯滤波器与玩具 Transformer 上验证，并提出可强调不同时间尺度的 ω-J-lens 系列。
- 问题
- Anthropic 的 Jacobian lens 能找出可解释方向，但不知其偏好何种特征。
- 方法
- 建立 J-lens 数学理论，证明其优先识别跨层放大、跨位置稳定的相干 Lyapunov 模式，并提出 ω-J-lens。
- 结果
- 未给出量化结果。
- 影响
- 为使用 J-lens 做模型可解释性分析提供理论边界，避免误读其识别出的方向。
机构：Anthropic
深读 · 结论先行AI 生成展开看要点与影响 ↓
论文为 Anthropic 的 J-lens 给出数学理论，证明其优先识别跨层放大、跨位置稳定的相干特征方向。
- •J-lens 由 Gurnee 等人于 2026 年提出，用于在前沿模型隐状态中找类似工作记忆的线性方向
- •理论结论：被识别的方向是类 Lyapunov 模，沿该方向的扰动跨层放大、跨 token 位置近似不变
- •在贝叶斯滤波器与玩具 Transformer 上验证，两者均最优预测 HMM 输出的下一 token
- •调节贝叶斯滤波器中影响特征相干性的任务参数，J-lens 响应随之可预测地变化
- •提出 ω-J-lens 系列，可强调 LLM 中不同时间尺度的信息处理
为什么重要：把 Anthropic 的实证工具从经验观察提升到可分析的理论，做可解释性的人能据此判断 J-lens 到底在捕捉什么、以及它可能漏掉什么。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。