Как меняется интерес
История начинает расти
График появится после повторных замеров. Текущий показатель уже получен из источника.
10 очков источникаТолько реальные замеры. История до подключения источника не восстанавливается.
How much do you trust your model—would you even know if it was misbehaving? For that matter, how much do you trust your frontier lab? We desperately need better visibility into every part of the AI stack. This week brings us cautious good news: perhaps neural networks are easier to understand than we’d previously believed. And Anthropic is moving forward with embedded independent evaluators, with reason to hope that at least some of the other leading labs will follow suit. Top pick Neural networks are already clean The big news this week is Nick Cammarata’s essay Neural networks are already clean. Nick did some of the seminal work on polysemanticity and is one of the people responsible for the current widespread belief that neuron-level interpretability is almost impossibly difficult. He now argues that he was mistaken: with the right tools and techniques, most of the neurons in modern models can be understood: > I think I have good news about the nature of neural networks. > After many months studying neurons and circuits in image and language models, I’ve come to believe a network’s own mechanisms are its legible building blocks, and that the outlook for mechanistic interpretability may be far better than I’d feared. The essay itself is massive and technical. If that’s more than you signed up for, I recommend Zvi’s report, or MIT Technology Review’s interview with Nick. How important is this work? Opinions vary wildly. roon (OpenAI): > when nick told me that he had some interp breakthroughs, he was uh, underselling it. i think this may be remembered as a major moment in scientific history. news so good even eliezer will have to lower his pdoom. we can start making alignment into a 'normal science' Neel Nanda (Google DeepMind): > This is interesting work, but I don't think it's a significant update to the big picture of interpretability. My take is that we just don’t know yet. This is strong and important work that gives us new hope for mech interp,
Перевод готовится · пока описание источникаГрафик появится после повторных замеров. Текущий показатель уже получен из источника.
10 очков источникаТолько реальные замеры. История до подключения источника не восстанавливается.
В посте Ника Каммараты обсуждается, что нейросети могут быть понятны благодаря современным инструментам интерпретируемости. Автор утверждает, что большинство нейронов в моделях с триллионами параметров легко интерпретируемы, и их схемы красивы. Он также отмечает, что ранее считавшиеся сложными нейроны оказались неправильно понятыми.
6 дней назадLessWrongВ посте рассматривается критика статьи о социальной реальности в Китае, где отмечается несбалансированность сравнения и недостаточная систематичность анализа. Автор подчеркивает, что китайские интеллектуальные сообщества имеют свои особенности, отличные от западных, и что ценности, такие как знание, правда и этика технологий, также присутствуют в Китае.
5 дней назадLessWrongАвтор утверждает, что обладание большим количеством капитала может привести к потере влияния раньше, чем у других, через психическое расстройство. Это связано с тем, что люди стремятся манипулировать богатыми, чтобы получить ресурсы, что затрудняет сохранение ценностей и правильных убеждений.
позавчераHacker NewsВ ближайшее время будет выпущен критический обновление безопасности для PHP, связанное с уязвимостями CVE-2026-109618 и CVE-2026-109619. Дополнительную информацию можно найти на указанных в описании сайтах.
22 часа назадLobstersПредстоящее обновление безопасности для языка программирования PHP, которое, вероятно, включает исправления уязвимостей.
20 часов назадHacker NewsВ блоге Mozilla сообщается о компрометации промежуточного центра сертификации eMudhra. Дополнительные детали доступны в отчете о баге.
вчера