Neel Nanda 与 tszzl 激辩：机制可解释性是对齐的最低门槛

AI 研究者 tszzl 与 DeepMind 出身的 Neel Nanda 在 X 上激辩 AI 对齐。tszzl 认为对齐要成为工程学科，须先攻克机制可解释性；Neel Nanda 回应称没有机制可解释性，对齐只是靠观察和驯化控制模型的「超智能畜牧业」。双方共识是机制可解释性是对齐研究走向工程化的必要前提。