English(EN) Cross-Trajectory Chimera Interventions Reveal Dissociable Roles of Weight Magnitude and Direction in Grokking

新研究揭示权重方向而非幅度携带可迁移的电路身份在神经网络中

作者 PulseAugur 编辑部 · [1 个来源] · 2026-07-09 04:00

研究人员开发了一种名为跨轨迹嵌合体干预的新方法，用于研究神经网络中学习到的特征的可移植性。通过将权重向量分解为幅度和方向分量，并在独立训练的网络之间重新组合它们，他们发现权重的方向携带可迁移的电路身份，而幅度则具有更有限的、分布式的效果。这表明权重方向决定了网络接近的具体解决方案及其被覆盖的敏感性。 AI

影响这项研究提供了一种理解知识如何在神经网络之间转移的新方法，有可能提高模型的解释性和效率。

排序理由这是一篇详细介绍分析神经网络特性的新实验方法的 ist 研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

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

本文如何被排名

Signal score: 0 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 这是一篇详细介绍分析神经网络特性的新实验方法的 ist 研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, model release; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: 91 days old; Aged out of breaking-news scoring windows; ranking reflects the durable signal from the full source set.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Truong Xuan Khanh · 2026-07-09 04:00

跨轨迹嵌合体干预揭示权重幅度和方向在Grokking中的可分离作用

arXiv:2607.06628v1 Announce Type: cross Abstract: Which properties of a partially trained network are causally portable to a different, independently trained network? Single-trajectory interventions show necessity within one run, not portability across runs. We introduce cross-tr…

本文如何被排名

报道来源 [1]

跨轨迹嵌合体干预揭示权重幅度和方向在Grokking中的可分离作用

相关实体

相关话题