來自 François Chollet（@fchollet）的推文串

Cyril 和 CTGT 團隊正在將機制可解釋性產品化。他們使得無需重新訓練即可編輯 LLM 的行為，從而添加安全策略保證，這種方式比簡單的提示要可靠得多。