共 5 个 skill · 数据来自 GitHub 与精选合集，每日更新
NousResearch/hermes-agent/optional-skills/mlops/obliteratus
OBLITERATUS：用 diff-in-means 方法消除大模型的拒答行为。
NousResearch/hermes-agent/optional-skills/mlops/saelens
训练稀疏自编码器，用于解释模型的内部特征。
Orchestra-Research/AI-Research-SKILLs/04-mechanistic-interpretability/transformer-lens
用 TransformerLens 经 HookPoints 与激活缓存检查并操纵 transformer 内部，做机制可解释性研究指引。逆向工程模型算法、研究注意力模式、或做激活补丁实验时使用。
Orchestra-Research/AI-Research-SKILLs/04-mechanistic-interpretability/saelens
用 SAELens 训练分析稀疏自编码器（SAE），把神经网络激活分解为可解释特征指引。发现可解释特征、分析叠加、或研究语言模型单语义表征时使用。
Orchestra-Research/AI-Research-SKILLs/04-mechanistic-interpretability/nnsight
用 nnsight（可选 NDIF 远程执行）解释并操纵神经网络内部指引。需在无本地 GPU 资源下对超大模型（70B+）跑可解释性实验、或处理任意 PyTorch 架构时使用。