#机械可解释性

共 6 条 · 7 天 0 条 · 30 天 0 条

信息流里打上「机械可解释性」标签的资讯、产品与论文，按刊登时间排，新的在上。

9月1日

论文精选73°10:47

这篇论文揭示了角色扮演越狱如何绕过AI安全机制，找到了具体的安全防护目标。

arXiv cs.LG@Md Mokarram Chowdhury 等 3 人原文

8月5日

论文精选09:37

论文把激活修补和权重消融的一致性讲透了，用39种配置验证，Spearman -0.83，值得搞可解释性的人看看。

arXiv cs.LG@Abdallah Khemais原文

7月11日

想知道AI模型是怎么思考的吗？DeepMind播客请来专家Neel Nanda，从思维链聊到安全审计，全是硬核干货。

官方账号Google DeepMind@GoogleDeepMind原文

7月1日

想用开源模型解释GPT？这篇论文告诉你预测一致不代表归因一致，小心踩坑。

arXiv cs.LG@Philippe Chlenski 等 8 人原文

6月16日

这篇论文把电路发现中的方差问题讲透了，还提出了带理论保证的CEAP方法，能减少重采样方差，值得看。

arXiv cs.LG@Frank Zhengqing Wu 等 3 人原文

5月11日

该研究为可解释性领域提供了方法论反思，提醒研究者注意因果主张的严谨性，避免用验证指标替代因果识别。

arXiv cs.AI原文