Google DeepMind 的一个团队专注于研究所谓的“机制可解释性”（mechanistic interpretability），他们一直致力于开发新方法来帮助我们“揭开盖子”。7 月底，该团队发布了一款名为 Gemma Scope 的工具，旨在帮助研究人员了解 AI 在生成输出时发生了什么。希望通过更深入地了解 AI 模型内部的工作原理，我们能够更有效地控制其输出，从而开发出更优质的 AI 系统。 “我希望能直接查看模型内部，判断它是否存在欺骗行为，”Google DeepMind 机制可解释性团队负责人…