机械可解释性或忽略了最显性的学习过程
joshua_saxe · x · 2026-07-26
作者认为，机械可解释性领域很多工作都在前向传播或静态权重里找“智能”，但模型在训练时的反向传播里可能也藏着更深的结构。
他指出，梯度和反向传播在哲学上也很有意思，因为它们最直接地体现了“学习”本身，值得可解释性研究更多关注。
「研究」频道最新
- HF 工程师争论:非生成任务全用因果注意力是在浪费算力 — antoine_chaffin · 2026-09-11
- 智利学者：AI 反馈规模化是医学教育可持续的关键 — julianvarascom · 2026-09-11
- Nature 新研究实现全身器官细胞活动成像,揭示跨器官体级回路 — arjunrajlab · 2026-09-11
- SignNet 1M 手语数据集发布 — ducha_aiki · 2026-09-11
- ECCV26 口头论文：流匹配实现多视角点云配准 — ducha_aiki · 2026-09-11
- InFlux++ 方法发布 — ducha_aiki · 2026-09-11