研究者批机制可解释性成错失机会：窄化为神经元研究是浪费

Andrew G. Wils 发文批评「机制可解释性」偏离系统性理解模型泛化机制的初衷，反而收窄为晦涩且小众的单个神经元角色研究。他认为如今提及可解释性，往往只指 sparse autoencoders、influence functions 和 saliency maps 等具体技术，这种倡议与实践之间的落差是「bait and switch」，也是对齐与可解释性领域的长期问题。