别再训练读者了：RECAP 让激活解释先变得可核验
解读 arXiv 2607.20379v1：重构分数为什么不能证明激活解释的具体说法可信，私有码如何从解释器—重构器通道里自然出现，以及 RECAP 为什么选择训练目标模型本身，把内部内容变成可被独立 probe 核验的证据。
你好，我是 Kaelem
欢迎来到我的个人空间。这里记录我的思考、学习和创作。
最近文章
当 AI Agent 开始安装陌生人的技能，真正的风险藏在哪里
OpenSkillRisk 从真实技能市场筛出 263 个风险 skill，测试 3 个 CLI agent 框架和 13 个前沿模型，发现最安全配置仍有约 17% 场景会执行不安全动作；最难防的不是显眼恶意，而是情境边界和控制平面被悄悄改写。
PyroDash：让小模型学会在 token 级别把难题交给大模型
PyroDash 把 SLM-LLM 协作从请求级路由推进到生成过程内部：小模型先推理，遇到能力边界时输出 <offload>，由协作引擎把原问题和局部推理一次性交给冻结大模型续写。论文在五个数学推理基准上展示了从高准确率到低成本的可调 operating points。