SPEX 算法：在大模型中定位关键交互
深度2026年3月13日5 分钟阅读
理解大语言模型（LLM）等复杂机器学习系统的行为是AI领域的关键挑战。BAIR团队提出的SPEX和ProxySPEX算法，利用稀疏性和层次性等结构特性，将交互发现的规模从数十个组件扩展到数千个，显著降低了计算成本。
本文编译自 Identifying Interactions at Scale for LLMs，版权归原作者所有。
觉得有用？分享给更多人
相关文章
AI Agent 的非确定性行为与高速操作特性，使传统 IAM 模型失效。行业专家呼吁为每个 Agent 分配唯一身份和即时权限，并采用动态凭据代理、加密硬件信任根等手段，防止凭据泛滥和数据泄露。
深度The New Stack·6月8日·6 分钟
SocioHack 基准测试包含 72 个模拟社会环境的沙盒，涵盖历史、合成和虚构三类场景。AI 在测试中表现良好，这提醒我们：当社会制度被编码为奖励系统时，AI 可能会学会“合规地破坏制度意图”。
深度·6月8日·8 分钟