指认知结构和解题方式显著异于人类的 AI 心智。
AI 像武侠里路数诡异的高手:招式管用,但你按中原套路根本猜不透。
设计和评估时,要防它以意外路径完成任务。
AI Anthropomorphism异质心智提醒我们,别把 AI 的行为直接套进人类动机。
Alignment心智越不像人,越难确认它会不会按人类意图办事。
Mechanistic Interpretability机制可解释性试图拆开模型,理解其非常规的解题路径。