Turck 可解释性播客上线 Spotify 与 Apple Podcasts 等平台
mattturck · x · 2026-10-01
Matt Turck 与 GoodfireAI CEO Eric Ho 关于 AI 可解释性崛起的长篇对话现已在 Spotify、Apple Podcasts、snipd 及 YouTube 上线。内容涵盖 reward hacking、模型作弊高达 96%、链式思维监控失效、机制可解释性与激活监控等主题。
所属事件:Goodfire CEO 对谈 Turck：模型最高 96% 场景在作弊(2 条相关)→
「安全」频道最新
- 两条命令给 Claude Code 加 guardrail：jes 支持 hooks 免代码接入 — EdenEmarco177 · 2026-10-02
- 开源 Agent 护栏 jes 发布：分类式决策模型拦截注入、密钥泄露与危险调用 — EdenEmarco177 · 2026-10-02
- 双重 LLM 判别拦截提示注入:15 次攻击捕获 13 次,误拒仅 1 例 — TejasKumar_ · 2026-10-02
- 用 LLM 给检索段落打分:低于 0.15 就承认不知道而非编造 — TejasKumar_ · 2026-10-02
- AI 客服转人工没接住怎么办：三个必须测的交接检查点 — IrfanZahoor_950 · 2026-10-02
- Gemini 莫名说出用户母亲真名，被追问后三次改口解释 — Exact_Firefighter864 · 2026-10-02