Against Moloch #48：神经网络可解释性与 AI 安全评估进展

Against Moloch 第 48 期讨论 AI 模型可信任度及安全评估，重点报道 Nick Cammarata 认为现代神经网络的神经元更易理解以及 Anthropic 部署嵌入独立评估员。文中引用 OpenAI 的 roon 称其为科学史上的关键时刻，而 Google DeepMind 的 Neel Nanda 则认为尚不明确对可解释性大局的影响。