Mechanistic Interpretability, 회로를 찾다

Anthropic과 DeepMind의 최근 논문은 모델 내부의 기능 회로를 분리해 관찰했다. 우리는 아직 이해하지 못한다. 하지만 이제 해부할 도구는 가지고 있다.