Sauers称神经语言有助模型监控

Sauers反驳了模型内部“神经语言”（neuralese）会损害可监控性的担忧，称它实际上有助而非妨碍观察模型行为。相关讨论针对思维链可观测性下降后，如何借助这类内部表征持续监控模型。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。