AI可解释性

研究者提出语义框架，区分AI系统输出的知识来源，为模型幻觉、引用不当等常见问题提供精确定义与检查方法。

研究团队探索语言模型代理在神经网络电路解释任务中的潜力，提出HyVE代理解释框架，并在半合成电路基准测试中验证其有效性。

研究人员通过逆向工程窥探Claude AI的内部工作过程，揭示其决策逻辑中存在的非直观模式与潜在偏差。