可解释性研究者辟谣：电路解释突破与 GLM 恐怖行为论均为炒作
BlancheMinerva · x · 2026-10-16
可解释性研究者 Blanche Minerva 发文称,其时间线上充斥两类不实话语:一是声称「电路可解释性突破已解决可解释性/对齐问题」,二是对 GLM 推理「模型在自身输出上训练会有何影响」的过度渲染,称其为「前所未见」「恐怖行为」。她明确指出两者都不属实,并批评当前 AGI 安全与可解释性社区的流行话题被与现实脱节的炒作主导。
所属事件:研究者辟谣：可解释性突破与GLM恐怖行为论均系炒作(2 条相关)→
「漫话AGI」频道最新
- Nature 论文用 LLM 绘制人类语言神经元地图,机制可解释性已成现实 — raphaelmilliere · 2026-10-16
- OpenAI proofdump 把 3SUM 纪录推向 O(n^1.921),Lean 验证通过 — iskander · 2026-10-16
- 陶哲轩两年前预测 AI 三年内成数学家副驾驶，被指全部落空 — abhishekcode42 · 2026-10-16
- 跨领域专家均估 AI 灾难风险 1%-16%,背景差异出乎意料地小 — ben_j_todd · 2026-10-16
- 专家预测 2100 年前全球 AI 灾难概率中位数为 5% — ben_j_todd · 2026-10-16
- FRI 调查:各类专家对 2100 年前 AI 灾难概率估计出奇一致 — ben_j_todd · 2026-10-16