新论文提出自然语言激活（NLA），可将大语言模型的内部状态转化为可读文本

发生了什么

Jan Leike 写道，他很期待将自然语言激活（NLA）作为一种新的工具纳入可解释性工具箱。 在引用的帖子中，@saprmarks 将 NLA 介绍为一种无监督方法，可将大语言模型的内部状态转化为人类可读的文本，并表示相关结果有助于加深对大语言模型思维内容的理解，并对其进行安全审计。

继续阅读

正在热议

1. 1Meta 开放发布 Muse Spark Open，支持 Mac 和云端部署，位居美国开放权重模型榜首
2. 2Google 在全球推出 Gemini 4 Argon，并扩大付费访问范围，基准测试结果不一
3. 3OpenAI 为 ChatGPT 中的 GPT-6 Astra Pro 带来并行智能体和更快响应
4. 4Meta的新商业条款引发有关网站抓取和 AI 训练权利的争议