#Sparse Autoencoder

1 stories · 1 in 7 days · 1 in 30 days
Stories, products and papers tagged "Sparse Autoencoder", newest first.
Nov 16
Chinese contentDECODE:诊断 LLM 自动可解释性流程中的失效问题

现在不少可解释性管线是 LLM 自己解释自己,没人盯很容易翻车。DECODE 用解释间共识加主动播种把人拉回审查环节,还在 16384 个 SAE 特征上跑通了案例。做机制可解释性、SAE 特征分析的团队可以直接参考它的三阶段诊断流程。

arXiv cs.AI@Dohyun Kim et al. (4)Source