如Auto-GPT和Baby AGI等代理化语言模型的发展，可能会快速推动人工智能的发展。这些模拟人类认知功能的语言模型，为对齐和可解释性提出了新的挑战，但由于它们以英语处理信息，所以提供了独特的可解释性。

近日，研究人员提出了一种名为“对比输入解码（CID）”的新方法，旨在通过生成反映两个略有不同输入的独特特征的文本来揭示AI语言模型对微小变化的反应，从而使其响应更加易于理解和管理。这对于确保公平性和实用性至...