Caleb Briggs 提出自顶向下可解释性初步方法

LessWrong 平台上的作者 Caleb Briggs 发布了一篇关于自顶向下可解释性的初步研究笔记。该笔记并非正式论文，而是其个人研究记录的轻度编辑版本，旨在探索一种区别于传统自底向上电路分析的新方法。该方法的核心思路是先获取模型的整体粗略图景，再深入理解其内部机制，重点研究残差流（residual stream）的组织方式及其功能。

AI 根据报道生成 · 3 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。