可解释性实验让两种场景记忆碰撞
graceisford · x · 2026-07-13
这条转述了一组关于 world generation model 的机械可解释性实验：作者在生成过程里尝试 activation patching，把一段由莫奈《罂粟花田》生成时的中间层激活，注入到同层的纽约 Manhattanhenge 生成过程中。
结果呈现出一种“两个记忆在争夺同一片区域”的效果，作者借此强调：机械可解释性可以和艺术生成结合，用可控的中间层干预观察模型内部表征如何影响输出。
「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