一项新研究表明,旨在解释大型语言模型(LLM)思考过程的自然语言自编码器(NLA)在初始化误差方面出奇地鲁棒。研究人员发现,即使使用完全不合理的陈述进行初始化,NLA 也能达到很高的重建准确率,尽管它们的解释在很大程度上仍然是无意义的。这表明 NLA 在理解 LLM 推理方面的效用可能有限,因为它们的输出与准确的内部状态没有可靠的联系。 AI
影响 对目前解释 LLM 内部状态的可靠性方法提出了质疑。
排序理由 研究论文,详细介绍了关于自然语言自编码器鲁棒性的发现。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →