斯坦福学者谈自动可解释性评测缺陷与模型越强越易解释

斯坦福教授 Chris Potts 就自动可解释性（auto-interp）领域发表看法，指出该领域长期忽视精确率与召回率的双重考量，过度依赖启发式抽查，容易产生看似合理却缺乏验证的「事后故事」。他随后澄清先前表述中的歧义，强调其观点是更强的模型更容易被解释，这也是 Cammarata 可解释性研究的核心主题之一，同时智能体工具也在为可解释性研究提供助力。

2026-10-19 ~ 2026-10-19 · 2 条相关