Alex Turner 反驳 steering 向量不属于机械可解释性的说法

针对「steering vectors 不属于机械可解释性(mechinterp)」的说法,研究者 Alex Turner(Turn Trout)强烈反驳,指出 steering 向量本就是机械可解释性的开山干预手段。他补充说,尽管理论上 steering 向量曾处于 mechinterp 边缘,但在实践中相关研究已普遍被归入「模型内部」研究范畴,这一归属不应被否认。

2026-10-20 ~ 2026-10-20 · 2 条相关