Anthropic的研究探讨了大型语言模型的内部机制，提出了“AI显微镜”方法，以识别可解释概念及其计算过程。研究表明，Claude Haiku 3.5在生成语言时会提前规划，并且在多语言能力上存在普遍语言的证据。此外，模型的幻觉现象与已知实体的识别机制相关。该研究旨在提高模型的可解释性，确保其与人类价值观一致。