可解释性研究者预告语言模型实操教程

可解释性研究者预告将于次日直播实操教程，讲解如何转向语言模型并定位其内部特征，内容包括残差流特征方向、模型去审查、单义神经元、自动可解释性方法及 Transformer 内部机制。 教程配图以模型第7层的“tomato neuron”为例，展示该神经元在不同提示词下稳定触发，并使输出与番茄相关；这是课程使用的示例，现阶段结论是教程安排及示例内容已公布。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。