从可解释性到控制：TrustNLP 研讨会六年的启示
From Interpretability to Control: Insights from Six Years of the TrustNLP Workshop
AI 导读
TrustNLP 研讨会六届 144 篇论文的分析显示，可信 NLP 研究已从静态模型的事后可解释性转向生成式系统的机制理解与主动控制。真实性增长最快，从 2021-2022 年缺席升至 2025-2026 年的 37%；公平性最稳定，可解释性在 2026 年借机制可解释性回升。该研讨会论文从 8 篇增至 41 篇。