NeurIPS 2026 设「可解释性作为科学」研讨会,探讨 LLM 理解的严格基础
ninamiolane · x · 2026-08-26
NeurIPS 2026(悉尼)将举办 InterpScience 研讨会,主题为「可解释性作为科学:迈向理解 LLM 的严格基础」。
研讨会指出,可解释性领域尚未就不同抽象层级的解释概念、什么证据支持一个论断、如何设计能排除替代解释的实验达成共识。核心问题包括:
- 「理解一个 LLM」意味着什么?
- 领域可采用哪些标准、基准或评估准则来衡量测量、因果论断与可证伪性?
- 可解释性能从神经科学、统计学与因果表示学习借鉴什么?
形式上采用互动式:多场分组讨论,由相关学科主持人做闪电演讲后主持讨论。讲者包括 Google DeepMind 的 Been Kim、CMU 的 Pradeep Ravikumar、冷泉港实验室的 Peter Koo、ISTA 的 Francesco Locatello、波士顿大学的 Aaron Mueller 等。
「研究」频道最新
- MoE 模型规模定律实验：BEIR 上收益有限 — antoine_chaffin · 2026-08-26
- SciPy 贡献者开源数学验证器，可追溯代码逻辑是否正确 — Lost-Dragonfruit-663 · 2026-08-26
- Figure 创始人发布 Index：全球最大机器人数据集，已付费 1500 万美元 — adcock_brett · 2026-08-26
- Accelerated Understanding：一次推理预测整条 4D 时空轨迹，时间或非根本 — daniel_mac8 · 2026-08-26
- Percy Liang 谈 Simile：仿真的可信度比平均准确率更重要 — joon_s_pk · 2026-08-26
- LlamaIndex 发布 ExtractBench 评测 14 个前沿系统 — llama_index · 2026-08-26