可解释性研究该分清形式与估计器：均值差转向不如直接梯度下降
johnhewtt · x · 2026-10-27
一篇新博客讨论可解释性研究中常被混淆的两个概念：形式（如 steering、神经元分析）与估计器（如均值差、在 log-loss 上做 SGD）。作者指出，许多 steering 工作把「用均值差构造转向向量」当成方法本身，但这只是众多估计器之一。核心论点是：当你可以用梯度下降直接学习时，通常就应该直接用——均值差方法在许多场景下是次优的估计器选择。
「研究」频道最新
- MissionReport 基准：540 份政府任务报告仅 3 份全达标 — Exp_Mark · 2026-10-27
- Finch 1 发布：用 50+ 种传感器影像训练的通用地理空间基础模型 — Scobleizer · 2026-10-27
- Skyfall AI 推出工程世界模型 SKY-001:文本转 CAD 构建,3.9 秒 vs GPT-6 的 199 秒 — rohanpaul_ai · 2026-10-27
- 物理学家让 AI 自选课题：两小时产出可登顶刊的论文 — burny_tech · 2026-10-27
- 研究者谈评测集透明度:组合性评测仍存数据污染隐患 — najoungkim · 2026-10-27
- EMNLP 论文：让 LLM 换个问法，「42」变「3」但蝴蝶仍是帝王蝶 — radamihalcea · 2026-10-27