模型可解释性

条目：8

2026年四月 1 篇

类型	阅读	条目
[自动] [ARXIV]	1min	school 大语言模型生成有害内容的统一机制 04-13 大语言模型有害内容权重剪枝

2026年三月 3 篇

类型	阅读	条目
[自动] [ARXIV]	2min	school 潜在色彩子空间：高维混沌中的涌现秩序 03-14 FLUX.1 文生图 VAE
[自动] [HACKER_NEWS]	1min	newspaper 决策树：嵌套决策规则的非凡效能 03-01 决策树机器学习算法
[自动] [HACKER_NEWS]	1min	newspaper 决策树：嵌套决策规则的强大效能 03-01 决策树机器学习算法

2026年二月 4 篇

类型	阅读	条目
[自动] [BLOGS_PODCASTS]	2min	mic 麻省理工学院新方法根除漏洞并提升大语言模型安全性 02-20 MIT LLM 模型安全
[自动] [HACKER_NEWS]	4min	newspaper Anthropic 试图隐藏 Claude AI 行为引发开发者不满 02-16 Anthropic Claude 开发者
[自动] [ARXIV]	1min	school 循环Transformer的步级数据归因方法 02-11 Transformer 数据归因模型可解释性
[自动] [ARXIV]	3min	school 大语言模型稀疏奖励子系统 02-03 LLM 稀疏奖励价值神经元