alphaXiv发布可解释性领域图解指南

事件综述根据 1 篇报道整理，10月22日更新

alphaXiv 发布了一份可解释性图解指南，梳理从早期计算机视觉研究到语言模型可解释性方法的脉络，涵盖特征可视化、SHAP 与积分梯度、电路追踪，以及注意力头、残差流、激活引导、消融与探针实验、多义性与 SAE 等方法。 指南还讨论了该领域的局限与开放问题，并回应近期走红的文章 Neural Networks Are Already Clean 引发的争论：我们是否真在接近逆向工程 LLM。

综述由模型根据报道生成，细节以各篇原文为准。