研究者主张把人际对齐理论与技术移植到 LLM 对齐

willcb · x · 2026-10-17

willcb 在一条长推中讨论机械可解释性与「完全理解」的可行性：他认可 mech interp 的价值，但认为追求完整理解不现实。

他的核心主张是：应当更大胆地把 LLM 与人类做整体性比较，具体指出差异而非直接否定这个前提。因为当前范式 LLM 与人类的主要差异轴只在速度、成本、覆盖广度和错误率——「智能」并不是一个如速度般可无限放大的量。这种系统性比较一旦成立，就能把人类间对齐（inter-human alignment）积累的大量理论与技术移植到 LLM 对齐上。