资源简介
我们介绍了一个框架，通过VLA模型的内部表示来进行解释和引导，实现了实时、零样本的行为控制，无需微调。
相关资源
Attention Span – Mechanistic Interpretability Research
机制可解释性研究
Unruly Abstractions - AI Safety, Interpretability & Alignment Research
独立的AI安全性研究。我们认为，当我们与数据的人格特征互动时，会出现更多的可解释的语义空间。
梦加网络 - Mechanist Games
[机械主义游戏]