arXiv · ML· Lucius Bushnaq, Dan Braun, Oliver Clive-Griffin, Bart Bussmann, Nathan Hu, Michael Ivanitskiy, Linda Linsefors, Lee Sharkey·· 5 天前AI 评分44
语言模型参数解释
Interpreting Language Model Parameters
AI 导读
新提出对抗性参数分解（VPD）方法，将语言模型参数分解为少数能解释网络行为的简单子组件。 方法在消融部分组件后仍能保持输入输出行为一致，支持新的电路分析。
来源：arXiv · ML · arxiv.org