RESEARCH · SIGNAL STARTUP
Correcting Attribution Patching with a Few Exact Measurements
arXiv:2610.27393v1 Announce Type: new Abstract: Mechanistic interpretability asks which language model components matter for a behavior, and activation patching answers by changin…
出典・元記事arXiv — Artificial Intelligencehttps://arxiv.org/abs/2610.27393 配信元で続きを読む◆ SOURCE POLICY
公開RSS・Atomから取得した短い概要のみを表示しています。詳細は必ず配信元の記事で確認してください。
公開RSS・Atomから取得した短い概要のみを表示しています。詳細は必ず配信元の記事で確認してください。
SHARE STARTUP