跳到正文
arXiv · AI· Yash Mehta, Chandan Singh, Weijia Xu, Richard J. Antonello, Adeen Flinker, Nima Mesgarani, Michael F. Bonner, Nebojsa Jojic, Jianfeng Gao·· 4 天前AI 评分40

可解释权重空间编程 iWSP:无需反向传播构建透明 Transformer 与脑编码模型

Interpretable weight-space programming builds transparent transformers and brain encoding models

AI 导读

研究人员提出可解释权重空间编程(iWSP),利用 LLM 智能体通过代码显式编程权重与特征,构建无需反向传播的透明模型。 该智能体通过假设与手动优化,成功构建针对算术和情感分类的紧凑型 Transformer,并在视觉、语言和听觉皮层构建了神经编码模型。 在视觉皮层,iWSP 的预测能力优于现有基线;在语言 fMRI 和听觉 ECoG 任务中,它揭示了数据混杂因素并发现了可解释的声学特征。

来源:arXiv · AI · arxiv.org