研究者断言：机制可解释性永远无法真正解决

AestherML 断言，机制可解释性永远无法真正解决：人类注意力一次仅能容纳约三个概念，而 Mythos 等大模型内部包含数万亿概念，规模差距令合理分析难以实现。部分概念还对应人类无法理解的物理抽象，叠加持续学习的必然性，作者主张将对齐资源优先用于确保 rewards 正确，而非依赖训练后的消融和 SAE 管理模型。