Identifying Interactions at Scale for LLMs
了解复杂机器学习系统的行为，特别是大型语言模型 (LLM)，是现代人工智能的一项关键挑战。可解释性研究旨在使决策过程对模型构建者和受影响的人类更加透明，这是迈向更安全、更值得信赖的人工智能的一步。为了获得全面的理解，我们可以通过不同的视角来分析这些系统：特征归因，它隔离驱动预测的特定输入特征（Lundberg & Lee，2017；Ribeiro et al.，2022）；数据归因，将模型行为与有影响力的训练示例联系起来（Koh＆Liang，2017；Ilyas 等人，2022）；以及机械可解释性，它剖析了内部组件的功能（Conmy 等人，2023；Sharkey 等人，2025）。在这些观点
Barclays Sounds the Alarm on Renewable Energy
然而，正如巴克莱分析师指出的那样，真正的风险现在潜伏在可再生能源领域。该文件警告说：“搁浅资产风险正在蔓延到整个系统。” “从历史上看，搁浅意味着燃煤电厂。如今，可再生能源面临多年的互连队列、限电和拥堵风险，越来越有可能受到损害。”在地缘政治动荡、能源不安全、持续通胀和人工智能对电力需求永不满足的时代，可再生能源——曾经是 ESG 投资组合的宠儿——正在成为汽车时代新的马车鞭子。巴克莱银行的这份报告来得非常及时。它认为，随着全球一次能源消费创下历史新高，能源转型是“附加的，而不是替代性的”，风能和太阳能等新能源叠加在化石燃料之上，而不是取代它们。巴克莱银行的研究将旧的“能源三难困境”改造成一个
New Policy Approach for Powering AI Data Centers without Raising Rates
人工智能和数据中心不断增长的需求正在与为缓慢、渐进的变化而构建的电力系统发生冲突。结果是：多年的互连延迟、现有客户的成本上升以及可靠性风险的增加。在该研究的领导下，卡托学者特拉维斯·费舍尔（Travis Fisher）和消费者监管电力倡导者组织的创始人兼首席倡导者格伦·莱昂斯（Glen Lyons）提出了消费者监管电力（CRE），这是一项允许私人融资的离网公用事业公司根据自愿合同为新的电力密集型设施提供服务的改革。由于这些公用事业公司实际上与受监管的电网“隔离”，因此它们会对现有纳税人造成零成本或可靠性风险。他们的新简报探讨了 CRE 如何帮助各州吸引新的工业投资，同时保护家庭免受成本增加的影
