开发者 threepointone 猜想：机制可解释性本质是代码

知名开发者 Sunil Pai（threepointone）提出一个直觉性猜想：机制可解释性背后的机制「全是代码」——模型的推理乃至「合成情绪」本质上都是代码。他由此推论，如果这一猜想成立，对齐问题或许可以像调试代码一样对待，人类几十年积累的软件工程经验和直觉都能派上用场，大幅降低 AI 安全研究的门槛。

2026-10-17 ~ 2026-10-17 · 2 条相关