Honesty.Tools 按研究任务整理可解释性工具目录

kevrussell · x · 2026-11-04

Honesty.Tools 是一个独立研究观测站，把可解释性/AI 安全研究工具按研究任务分类整理：检视表示、比较与迁移、因果解释检验、测量校准、反馈研究、证据审计等。

目录中每个条目都标注方法、输出、局限、成熟度、访问方式与可复现边界，例如 Jacobian bridge（层间方向有限差分原型）等。部分工具已公开发布，部分仍是研究原型或未公开来源，目录明确区分了「可用性」与「科学验证程度」两个维度。对做机制可解释性研究的人来说是一份按任务找工具的实用索引。