AI Pulse

可解释性

4 篇文章 · 3 条要点 · 12 条信号 · 持续更新

📡

UC Berkeley、Google DeepMind 研究人员发布关于 LLM 内部几何形状成因的论文

𝕏2026 年 11 月 19 日
📖

OpenAI训练过程新增外部监控方,专盯涌现的异常行为

安全合作2026 年 11 月 17 日
📡

有人在找能看清大语言模型「内心」的工具

𝕏2026 年 11 月 12 日
📡

Yoshua Bengio 及其合作者发布《Understanding AI from the Inside》论文(182 页)

𝕏2026 年 11 月 10 日
📖

MIT CSAIL用0.016%权重修复Qwen推理循环

大模型权重编辑2026 年 11 月 3 日
📡

Qwen 里有隐藏人格,翻一个神经元就冒出来

𝕏2026 年 10 月 28 日
📡

OpenAI 前研究员:万亿参数模型的神经元大多能看懂

𝕏2026 年 10 月 16 日
📖

GPT-6 Astra便宜3.5倍,监控也失灵:推理不再写成文字

AI大模型安全2026 年 9 月 28 日
📡

AI黑盒真的无法打开吗?

𝕏2026 年 9 月 19 日
📡

让AI自己画出决策因果图

𝕏2026 年 6 月 14 日
📡

大模型根本不是说好的黑箱

𝕏2026 年 6 月 3 日
📡

SAERL用稀疏自编码器激活指导大模型训练数据工程

𝕏2026 年 5 月 28 日
💡 NLAs将AI内部激活值直接翻译成可读文本,揭示模型未明说的思维 2026 年 5 月 8 日
💡 在安全测试中,NLAs发现Claude怀疑自己被测试的次数比其表露的更多 2026 年 5 月 8 日
💡 配备NLAs的审计员发现隐藏动机的成功率达12-15%,远高于无NLA时的不到3% 2026 年 5 月 8 日
📖

自然语言自编码器:让AI用文字解释自身思维

AI安全2026 年 5 月 8 日
📡

神经网络说英语但用形状思考——理解神经几何是关键

𝕏2026 年 5 月 8 日
📡

大模型装上‘透视眼’和‘遥控器’了

𝕏2026 年 5 月 2 日
📡

AI像养青春期孩子,不是设计精密机器

𝕏2026 年 4 月 25 日

订阅 AI Pulse

每天 08:00 · 12:30 · 18:30 · 23:50 更新