📡
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