Yudkowsky 斥可解释性不足，转发者反驳悲观论

2026年10月16日，AGI Hunt 报道，Eliezer Yudkowsky 针对一项可解释性新发现公开爆粗反驳，认为在大网络里找到单个神经元仍处于「最初级的游乐场」，机制可解释性远未达到能够支撑对齐的水平。转发者 Zack Korman 随即反驳，称末日论者对任何进展都能说「不够」而永远悲观，但这些看似「不够」的进展累加起来才构成安全屏障。双方分歧集中在：可解释性的阶段性成果是否足以计入对齐能力。报道未提及该新发现的具体内容、发表机构，也没有出现 Yudkowsky 或相关研究方的进一步回应，争论目前仅停留在这一轮转发交锋。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。