Neuronpedia 支持研究分析
simi_97k · x · 2026-07-12
作者提到，论文附录里为上面提到的特征都做了 dashboard，并托管在 Neuronpedia。
他感谢这套开放的可解释性工具，让这次文化偏置与 steering 分析能够更方便地展开。
所属事件:文化对齐 steering 方法的局限与工具支持(2 条相关)→
「研究」频道最新
- Exponential 发布 RepoInject 与 BrowserInject 基准，测 prompt injection 防护 — maksym_andr · 2026-10-27
- Redwood 研究:CoT 可控性评测严重欠激发,简单提示优化可提升 2-3 倍 — dfrsrchtwts · 2026-10-27
- 用 BeamZ 逆向设计光学系统跑通 MNIST 分类 — S_Conradi · 2026-10-27
- DeCert 框架无需参考答案评估生成式奖励模型的论证质量 — Guiquan Sun · 2026-10-27
- 新研究：VLM harness 同样是组合泛化器,可拆解复杂图像问题 — a1zhang · 2026-10-27
- 新文呼吁启动 AI 界「人类基因组计划」加速可解释性研究 — ninamiolane · 2026-10-27