解释性大语言模型(LLM)的综述论文，强调了在LLM中增强可解释性的必要性，并讨论了现有解释性方法的应用，以改善模型的透明度和可靠性。

本文评估了LLM自动生成特征归因解释的能力，研究不同方式触发自我解释的可信度，并与传统解释方法进行了比较。

OneDiff是一个用于加速扩散模型的工具，提供了一种新的免训练、几乎无损的范式，显著提升模型的迭代速度。

TokenLimits是一个网站，允许用户探索不同AI模型的令牌限制。它提供关于各种AI模型的最大令牌、字符和单词数量的信息，帮助用户了解在不同文本模型（如ChatGPT Plus、GPT-4、GPT-3.5-Turbo、GPT-3和Codex）中可以输入的内容限制。此外，该网站还提供图像提示模型（如Stable Diffusion）和嵌入模型（如Ada-002）的令牌限制。

TalkToEBM为Explainable Boosting Machines (EBMs)提供自然语言界面，将EBM的图转化为文本，并生成适用于大型语言模型的提示，旨在增强模型的可解释性。