前 Llama 团队研究员 Elie Bakouch 讨论如何精准削弱模型而不伤机械可解释性

前 Llama 团队研究员 Elie Bakouch 探讨能否精准削弱模型的特定能力，同时保留一般 ML 能力与机械可解释性研究。他提出构造目标函数：最大化正常任务或可解释性目标的表现，最小化待削弱能力的表现，但也坦言这一思路可能过于天真且问题本身很难。