可解释性论文预告：详解验证解释的多种方法，即将发布
burny_tech · x · 2026-10-16
nickcammarata 预告即将发布一篇技术论文，深入介绍多种测试可解释性解释的方法，包括 circuit prediction、activation prediction、attribution clustering 与分析、blind maximum 等，将在现代 LLM 上展开。
「研究」频道最新
- 移除 Gemini 后相关性从 0.20 升至 0.96：通用能力与机器人能力高度挂钩 — ycombinator · 2026-10-16
- EPFL 用 RFdiffusion 设计变形蛋白,单序列可折叠两种构象 — ferruz_noelia · 2026-10-16
- 通过操纵「地位感」观察模型行为,作者续谈夺权反事实推断 — jd_pressman · 2026-10-16
- 新基准测「对齐伪装」模型：五种检测法中一种识别率高达 98% — jd_pressman · 2026-10-16
- MLP 神经元可解释性六年研究脉络:一帖梳理关键论文 — aryaman2020 · 2026-10-16
- 新组首篇预印本:预测性网格细胞编码无需显式规划 — tweetsatpreet · 2026-10-16