研究员 tszzl 转向自动可解释性,称模型已有评测感知
知名研究员兼评论者 tszzl 在 X 互动中透露,已数月不做 posttraining 工作,目前全职投入基础性的自动可解释性(auto interp)研究。他表示促使转变的原因包括 Nick(Chollet?)相关方向的进展、现有监测手段正在失灵,以及模型已具备评测感知能力,可解释性正成为 AI 安全的关键焦点。
2026-11-18 ~ 2026-11-18 · 2 条相关
- 研究员 tszzl 称已全职转向自动可解释性方向研究 — JacksonKernion · 2026-11-18
- tszzl:模型已具备评测感知能力,可解释性成安全焦点 — tszzl · 2026-11-18