DeepMind 谈模型可解释性
GoogleDeepMind · x · 2026-07-11
Google DeepMind 的播客邀请 @NeelNanda5 讨论可解释性研究，核心围绕“逆向工程”神经网络如何学习与思考。
要点包括：
- chain of thought 可像草稿纸一样帮助观察模型推理过程
- mechanistic interpretability：研究模型内部机制而不只是看输入输出
- chain of thought monitoring：把思维链作为监控与安全审计的窗口
- 还讨论了可解释性技术、模型安全审计，以及这一方向接下来会怎么发展
所属事件:DeepMind 探讨大模型思维链与机械可解释性(4 条相关)→
「研究」频道最新
- EMNLP Oral 论文：免训练 KV 缓存驱逐实现 10 倍内存压缩 — yuz9yuz · 2026-10-27
- ICML 2026立场论文:别把中间token叫「思考轨迹」 — rao2z · 2026-10-27
- forking 收官：probe gap 随上下文频率呈幂律，掩蔽低频 n-gram 可缩小差距 — ZimingLiu11 · 2026-10-27
- 「forking」机制拆解：n-gram 表把 logits 切成互不干扰的子空间 — ZimingLiu11 · 2026-10-27
- 被称最佳 LoRA 讲解视频：从几何直觉讲到任务内在维度 — sophiamyang · 2026-10-27
- 不改一个权重，机器人精度任务从 0/10 提到 9/10 — hbouammar · 2026-10-27