**AI 安全新指南：机械可解释性现状交互式手册发布**

_The State of Mechanistic Interpretability for AI Safety_

> TSG Lab 发布了关于“AI 安全中机械可解释性现状”的交互式手册，内容涵盖动机与概念、行为评估局限、解释性方法概览、核心假设、研究导向及开放问题，并提供了可运行的代码笔记本。

**来源信息**
- **来源**：Hacker News：AI 热帖
- **分类**：论文
- **发布时间**：2026-11-11 00:09（北京时间）
- **原文**：[打开原文](https://tsglab.github.io/mechinterp-safety)