人物
Neel Nanda
DeepMind研究员，专注于AI可解释性研究，致力于对神经网络进行逆向工程分析
时间轴 (近 90 天)
10月13日
Shevlin赞赏DeepMind内部Neel Nanda实验室在机制可解释性方面的工作。
待验证50%
10月13日
机制可解释性通过稀疏自编码器、电路分析等工具，已在小型模型中识别出'间接宾语识别''多义词消歧'等具体回路。
待验证50%
10月12日
多位知名AI研究者（包括Jack Lindsey、Micah Carroll、Leo Gao、Neel Nanda等）对可解释性能否在关键时间窗口内取得足够进展表示不确定甚至悲观。
待验证50%
10月4日
机制可解释性是可解释性AI研究的子领域，目标是从神经网络内部电路层面理解模型为何做出特定判断，Neel Nanda和Chris Olah是该领域奠基性人物
待验证50%
8月10日
TransformerLens是由Neel Nanda开发的机械可解释性库
待验证60%
全部知识事实 (5)
待验证
TransformerLens是由Neel Nanda开发的机械可解释性库
60%待验证Shevlin赞赏DeepMind内部Neel Nanda实验室在机制可解释性方面的工作。
50%待验证机制可解释性通过稀疏自编码器、电路分析等工具，已在小型模型中识别出'间接宾语识别''多义词消歧'等具体回路。
50%待验证多位知名AI研究者（包括Jack Lindsey、Micah Carroll、Leo Gao、Neel Nanda等）对可解释性能否在关键时间窗口内取得足够进展表示不确定甚至悲观。
50%待验证机制可解释性是可解释性AI研究的子领域，目标是从神经网络内部电路层面理解模型为何做出特定判断，Neel Nanda和Chris Olah是该领域奠基性人物
50%