AestherML 撰文断言：机制可解释性永远无法真正解决

AestherML 撰文断言机制可解释性永远不会被真正解决：人类注意力一次只能容纳约三个概念，而 Mythos 这类大模型内部由数万亿概念构成。改动任一概念都会以不可追踪的方式波及整个网络，加上持续学习迟早成为技术必然，可解释性将变成「不可能的任务」。作者因此主张对齐资源优先放在把奖励（rewards）做对，而非训练后用消融和 SAE 管理模型。