AI/Interpretability3

AI/Interpretability · 3 AI/LLM · 3 科研 · 2 AI · 2 AI/NLP · 1

2026.01.15

毕设课题与大厂论文「撞车」的复杂心情，以及造数据、筛特征与摸漏洞的断续实验笔记。

AI 2026 Jan 15 1 min read

https://arxiv.org/abs/2407.02646 https://arxiv.org/abs/2501.16496

AI/LLM 2025 Sep 01 1 min read

用正负样本在 SAE 特征上的平均激活差筛选与安全相关特征，并讨论方向性与统计检验。

AI 2025 Aug 01 12 min read