删除三个主成分让前沿模型「破防」：准确率从 95.7% 骤降至 54.6%
kalomaze · x · 2026-11-01
kalomaze 分享的可解释性趣实验：归一化后移除前三个主成分会让前沿模型出现明显断崖——移除两个时仍有 95.7% 准确率 / 0.992 AUROC，移除三个则暴跌至 54.6% / 0.518（接近随机）。作者调侃自己的目标就是触发前沿模型的「this fucking guy」解释回路，还玩梗问「这摧毁了多少 principle（原则/主成分）信息」。
「Fun」频道最新
- 匿名「二次元老婆」团体天价求购百合数据后训练开源模型 — basedjensen · 2026-11-01
- 用户自述第二次遭遇「GPT 精神错乱」时刻 — VoidStateKate · 2026-11-01
- Ethan Mollick 观察: slop 回复机器人正快速进化成「讲烂笑话」 — emollick · 2026-11-01
- 用 Claude Opus 5.5 接 Unity 与 Blender MCP，做出可玩生存游戏 Wildmere — TamoghnaKabi · 2026-11-01
- Reddit 用户惊觉：AI 机器人评论已难肉眼分辨 — Borkato · 2026-11-01
- AI 生成游戏 Slop Eisley 推 0.6.75 更新:优化赛车关卡与护送玩法 — jasonkneen · 2026-11-01