**AI可解释性是一项革命性技能**

_AI Interpretability Is a Revolutionary Skill_

> 本文探讨了开源语言模型中约6.5万个内部概念的可解释性，指出当前模型可能缺乏特定社会运动所需的关键概念。作者以个人体验为引，介绍了如何通过可视化模型内部非语言区域来理解并添加新概念的方法，强调这对依赖本地硬件的活动家具有实用价值。文章基于可解释性研究，展示了编辑模型内部'词典'的可能性，并讨论了相关风险。

**来源信息**
- **来源**：Hacker News：AI 热帖
- **分类**：论文
- **发布时间**：2026-05-25 11:41（北京时间）
- **原文**：[打开原文](https://www.outcryai.com/research/the-dark-between-the-stars)