Blum

新PRISM方法将LLM组件映射到人类大脑功能

研究人员开发了一种名为PRISM（基于扰动的区域可解释性通过减法映射）的新方法来分析大型语言模型的内部工作机制。该技术借鉴了人类神经影像学的方法，以识别Transformer模型中的专业化组件。通过比较扰动后的LLaVA-1.6-Vicuna-13B模型的错误模式与中风后失语症患者的病灶模式，PRISM旨在为检验LLM的功能专业化主张提供一种可证伪的方式。