至知研究院提出大模型可解释性新路线：拆权重，数据成本不到1%
精选理由
至知研究院的新方法拆权重就能解释大模型，数据成本不到1%，比训练替代网络省太多了。
至知研究院提出大模型可解释性新路线：拆权重，数据成本不到1%。该路线无需训练替代网络，数据成本依旧低于1%。它直接通过权重分解来理解模型，数据开销控制在1%以内。
原文 · 量子位
理解大模型，无需再训练一个替代网络
继续读
同标签或同类目的最近条目OpenAI 公开支持 open-problems 声明的 722 篇论文
OpenAI 把 722 篇论文全放出来了，就是那个 372 个数学结果的说法，平均每个只用了 ChatGPT Pro 3 小时算力，可以自己去翻原始材料。
OpenAI 公布 722 篇由未发布内部模型产出的数学论文
OpenAI 把一个没发布的模型的数学作业晒出来了：722 篇论文、372 组结果，每题烧 3 小时 Pro 算力，看看推理模型解题水平到哪了。
Underdog AI 发布 Saluki 27B：基于 Qwen3.8-27B 的 2-bit 量化版本
Underdog AI 把 Qwen3.8-27B 压到 2-bit，只有 7.89GB 还能跑工具调用，日常推理比原版还强，本机部署党可以试试。
OpenAI 在 GitHub 公布 700 多份数学研究成果，引发数学界争议
OpenAI 一口气在 GitHub 放出 700 多份 AI 做的数学证明，有数学家说自己的研究计划直接被冲掉了，还怀疑未发表材料被模型吸收，各方吵得很凶。
AlphaFold 之后：Pushmeet Kohli 与 Sal Candido 谈蛋白质折叠的未解之谜
DeepMind 的 Pushmeet Kohli 和 Biohub 的 Sal Candido 聊 AlphaFold 没解决的部分，做生物 AI 的值得听听他们的判断。
