专题：mechanical-interpretability

Goodfire AI的Myra Deng和Mark Bissell展示了机械可解释性技术在模型行为检测、修正及跨领域应用中的实践。通过SAEs、probes等方法，他们实现了对模型内部特征的识别与编辑，提升了AI的透明度和可控性。在医疗健康领域，该技术被用于优化模型以加速药物发现，具有实际应用价值。