arXiv · AI· Marek Masiak, Andrzej Szablewski, Nicola Cancedda, Constantin Venhoff·· 4 小时前AI 评分25
可解释稀疏微调 TopKLoRA 实现忠实电路发现
Interpretable sparse fine-tuning with TopKLoRA enables faithful circuit discovery
AI 导读
TopKLoRA 提出一种可解释性设计先验的 LoRA 变体，在恶意后门案例研究中实现了对有害电路的精准消融。 该方法生成的稀疏电路规模比密集 LoRA 基线小约一个数量级，支持在不牺牲指令遵循性能的情况下移除恶意功能。
来源：arXiv · AI · arxiv.org