新的无监督方法从大型语言模型中提取推理特征

研究人员推出了一种名为“激活几何挖掘”（MAG）的无监督框架，旨在从大型语言模型（LLMs）中提取推理特征。与依赖标记示例的现有方法不同，MAG使用添加到输入前的自然语言指令来识别特定推理特征在内部的表示方式。提取的特征可以预测模型对推理的理解和判断，并可用于通过激活引导来控制LLM的决策。该方法在为提示注入分类器选择最佳训练数据集方面也证明了有效性，并取得了高准确率。 AI

影响 提供了一种新颖的无监督方法来理解LLM的内部推理，有潜力提高模型的解释性和可控性。

排序理由 该集群包含一篇详细介绍LLM可解释性新方法的 ist 研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• alphaXiv
• arXiv
• DagsHub
• Gotit.pub
• Hugging Face
• Mining via Activation Geometry
• ScienceCast

• 论文
• 模型发布

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →