# ACL 2026 综述：大模型的可解释性，从事后找补转向在设计阶段就内置

> 原标题：ACL 2026 综述：从事后解释到内生解释，大模型内生可解释性的前沿进展

- 来源：机器之心 · 公众号
- 发布时间：2026-04-30T04:50:00.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/12613
- 原文：https://mp.weixin.qq.com/s?__biz=MzA3MzI4MjgzMw==&mid=2651031116&idx=3&sn=d844cbbadb0b6f0cbd90a97ccce21280

## 摘要

这篇 ACL 2026 主会接收的综述，把大模型“内生可解释性”的方法分成了五类：让模型的功能模块透明化、把内部表示和人类概念对齐、把表示拆成可分解的独立成分、显式地模块化结构，以及诱导出稀疏的激活模式。像 MoE、概念瓶颈模型、GLU/SwiGLU 这些技术都被归了进去。

## 推荐理由

这篇 ACL 2026 综述把大模型内生可解释性的方法归为五类，并将 MoE、概念瓶颈模型、GLU/SwiGLU 等已有结构纳入同一框架，便于快速了解该方向的方法版图。

## 锐评

可解释性从「事后找补」挪到设计阶段，这个方向我认，但综述给的是地图不是实测。五类方法里能落地的就 MoE 和 SwiGLU 这类已经在架构里的东西，概念瓶颈模型、稀疏激活还停在论文层面。它自己给的那条判断标准挺实在，解释部件在不在关键计算路径上，这一条就能筛掉大半花架子。当索引翻一遍可以，别指望读完就能解释自家模型的某个输出。
