AI開発影響研究所 EN
← Topicランキング · 2026-08
GitHub TOPIC

#interpretability

GitHub Topic「interpretability」がついているAI関連リポジトリの集計。Topicはリポジトリ作者が自己申告するメタタグで、AI関連の文脈で何が「interpretability」と分類されているかを可視化します。

3
タグ付Repo
0
TOP3合計★
0
AIツール痕跡あり
3
TOP表示数

REPOS #interpretability のRepo (TOP 3 / Stars降順)

leo-t-1/persona-agentic-misalignment

Does an LLM's willingness to blackmail depend on its persona — and on whether that persona is prompted or trained into the weights? Two-part study on Gemma-3-12B: 16 prompted personas (n=100) + 10 QLoRA persona adapters, in the Lynch et al. shutdown scenario.

HTML 0 AI 70 個人 公開済 ↗
leo-im/entropy-lens

Token-level entropy trajectories from LLM logprobs. Models can measure their own uncertainty — grounding it in truth requires external verification.

Python 0 AI 70
ursadropsus/znou

Supporting files for Anoikis², Case Studies in GPT-2 Small/EVE Frontier (Gamified Mechanistic Interpretability)

Python 0 AI 45

RELATED 他のTopicも見る · 全Topicランキング →

#claude-code

1,576

#ai-agents

1,183

#llm

1,086

#claude

949

#python

829

#ai

746

#mcp

741

#developer-tools

739

#codex

525

集計対象: 各Repoの最新contentスナップショットの topics_json に小文字一致でマッチしたもの。 算出方法