十年 LLM 机制可解释性研究盘点：「LLM 只是 next-token prediction」论已死

AGI Hunt 盘点 10 项机制可解释性与 AI wellbeing 研究，涵盖 Anthropic、CAIS、MATS 及学术实验室，挑战「LLM 只是 next-token prediction 或角色扮演」的传统辩护。相关证据指向模型形成超越表面文本预测的结构化表征与目标，对「模型没有内在状态」构成实质挑战。盘点覆盖 2025–2026 年，可作为该领域近期进展的入门综述。