牛津牵头 27 位学者发布 180 页机制可解释性综述

牛津 TSG 实验室联合 Martian、MIT、Anthropic、Mila 等十余家机构的 27 位学者发布 180 页机制可解释性综述，系统审视理解模型内部机制能否让模型更安全。论文指出，不同子领域对这一直觉的操作化方式差异很大，引发了对该研究方向的反思。