根据OpenAI官方推特（@OpenAI）报道，OpenAI开发出一种全新的训练小型AI模型方法，使其内部机制更易于人类理解。该方法通过稀疏回路的神经网络结构提升模型可解释性，解决了大型语言模型如ChatGPT在透明度和可解释性方面的行业难题。这一突破有助于提升AI模型在医疗、金融和法律科技等受监管行业的应用安全性和用户信任度，为企业AI落地带来新的市场机遇。来源：openai.com/index/understanding-neural-networks-through-sparse-circuits/

据@transformercircuits报道，归因图方法被开发用于解决AI模型可解释性长期存在的难题。最新研究显示，归因图通过结构化方式提升Transformer模型的可解释性，有效规避了传统障碍（来源：transformer-circuits.pub/202）。这一进步对希望部署可信AI系统的企业具有重要意义，尤其有助于金融和医疗等行业实现合规和决策可靠性。