Circuit Oracle 用自然语言查询自动分析归因图
原文标题：Circuit Oracle: Automating Attribution Graph Analysis via Natural-Language Queries
重要度 2/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
研究提出 Circuit Oracle，用配备多智能体框架的现成大模型通过工具调用读取归因图，回答关于目标模型的自然语言问题。在虚假特征检测上达到 78.2% 准确率，超过单层特征排序基线，但在秘密诱导与拒绝抑制任务上表现参差，部分不及专用基线。
- 问题
- 归因图转成安全洞见需专家数小时手工分析。
- 方法
- 用现成大模型加多智能体框架与工具调用读取归因图，回答关于目标模型的自然语言问题。
- 结果
- 虚假特征检测准确率78.2±2.4%，超过单层特征排序基线；秘密诱导与拒绝抑制任务不及专用基线。
- 影响
- 机制可解释性分析可自动化，但当前能力仅适合部分任务，不宜全面替代专用方法。
AI 处理过程展开/收起
相关推荐
谷歌 DeepMind 发布 AlphaGenome 2，精细预测突变细胞效应
AI 摘要谷歌 DeepMind 推出 AlphaGenome 2，基于 68 种组织、超 1 亿个细胞图谱训练，可预测遗传变异对特定细胞类型与状态的影响。该模型识别出的影响基因表达的变异数量约为上一代的两倍，并能在未重新训练的情况下预测新细胞类型，有望助力疾病机理研究与药物靶点发现。
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。