Lain-lain

Penjejakan litar: Mendedahkan graf pengiraan dalam model bahasa

Tajuk asal:Circuit Tracing: Revealing Computational Graphs in Language Models

Ringkasan AI

Pasukan penyelidik mencadangkan kaedah "penjejakan litar" untuk mendedahkan mekanisme pengiraan tingkah laku model bahasa. Kaedah ini menghasilkan graf yang menerangkan proses pelaksanaan model dengan menjejak langkah pengiraan dalam model pengganti; model pengganti menggunakan komponen boleh tafsir seperti transkoder merentas lapisan untuk menghampiri struktur asal. Pasukan membangunkan alat visualisasi dan pengesahan untuk mengkaji graf atribusi tingkah laku mudah model bahasa 18 lapisan, meletakkan asas untuk penyelidikan seterusnya, dan merancang untuk mengaplikasikannya pada Claude 3.5 Haiku. Keputusan utama termasuk menggunakan transkoder merentas lapisan untuk mengekstrak ciri, dan membina graf atribusi interaksi linear antara ciri.

Maklumat penting

  • Pasukan penyelidik mencadangkan kaedah "penjejakan litar" untuk mendedahkan mekanisme pengiraan…
  • Kaedah ini menghasilkan graf yang menerangkan proses pelaksanaan model dengan menjejak langkah…
  • model pengganti menggunakan komponen boleh tafsir seperti transkoder merentas lapisan untuk…
  • Pasukan membangunkan alat visualisasi dan pengesahan untuk mengkaji graf atribusi tingkah laku…
  • 5 Haiku.

Sekilas pandang

Diterbitkan pada
Dikemas kini pada
Sumber
Anthropic:Transformer Circuits(可解释性研究)
Kategori
Lain-lain
Skor AI
76
Baca asal Baca artikel penuh di sumber asal
Sebab disyorkan

揭示大模型内部机制,为AI安全与调试提供新工具。

Entiti Berkaitan

Sumber dan hak cipta

Artikel ini disusun berdasarkan tajuk pilihan dan ringkasan AI daripada API awam AIHOT, dengan sumber dinyatakan dan pautan balik disediakan; hak cipta teks asal milik media dan penulis asal, laman ini tidak menyalin penuh teks penuh.

Pautan asal · Entri AIHOT

Cara memetik

Apabila memetik artikel ini, kekalkan tajuk, tarikh dan pautan kekal, serta nyatakan sumber sebagai Orange News.

Orange News: Penjejakan litar: Mendedahkan graf pengiraan dalam model bahasa. 27 Mac 2025. https://new.nat6.net/ms/news/cmoegbh73006pslxxkpwgqif7/

Lihat Semua →