arXiv · cs.CL· Kristina Šekrst·· 4 天前AI 评分33
自然语言自编码器（NLA）能识别激活却未必如实解释
Natural Language Autoencoders Identify Without Explaining
来源与原文
arXiv · cs.CL
作者：Kristina Šekrst
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.32691v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
一篇 arXiv cs.CL 论文指出，自然语言自编码器（NLA）以“解释能否重构回原始激活”作为成功标准，这只验证信息充分性，而非描述的忠实性——错误的解释也可能足以识别激活。作者认为该问题与链式推理忠实性问题同构，也类似人类心理学中内省报告与实际控制过程的分离。NLA 虽为对齐而提出的可解释性工具，却经未经验证的解释重新引入了它本要解决的认识论问题。
来源：arXiv · cs.CL · arxiv.org