Goodfire的汤姆・麦格拉思：研究者必须弄懂AI的决策机制

要理解 AI 如何做出决策，开发者通常会查看模型推理问题时输出的文本。但这类 “思维链” 越来越晦涩难懂，促使 AI 研究者探索其他路径。其中一种方案叫做 机制可解释性（mechanistic interpretability） ：不去只看模型的外在输出行为，而是尝试解释 AI 模型的内部运行机理。