会员服务
稀疏自编码器是一种无监督机器学习算法，通过计算自编码的输出与原输入的误差，不断调节自编码器的参数，最终训练出模型。自编码器可以用于压缩输入信息，提取有用的输入特征。
Sparse Autoencoders for Sequential Recommendation Models: Interpretation and Flexible Control
Arxiv
0+阅读 · 2月17日
Toward Faithful Retrieval-Augmented Generation with Sparse Autoencoders
Arxiv
0+阅读 · 2月11日
AudioSAE: Towards Understanding of Audio-Processing Models with Sparse AutoEncoders
Arxiv
0+阅读 · 2月6日
Sparse Autoencoders are Capable LLM Jailbreak Mitigators
Arxiv
0+阅读 · 2月12日
Control Reinforcement Learning: Interpretable Token-Level Steering of LLMs via Sparse Autoencoder Features
Arxiv
0+阅读 · 2月12日
From Atoms to Trees: Building a Structured Feature Forest with Hierarchical Sparse Autoencoders
Arxiv
0+阅读 · 2月12日
Sanity Checks for Sparse Autoencoders: Do SAEs Beat Random Baselines?
Arxiv
0+阅读 · 2月15日
AudioSAE: Towards Understanding of Audio-Processing Models with Sparse AutoEncoders
Arxiv
0+阅读 · 2月4日
DLM-Scope: Mechanistic Interpretability of Diffusion Language Models via Sparse Autoencoders
Arxiv
0+阅读 · 2月5日
GSAE: Graph-Regularized Sparse Autoencoders for Robust LLM Safety Steering
Arxiv
0+阅读 · 2月4日
SAFER: Probing Safety in Reward Models with Sparse Autoencoder
Arxiv
0+阅读 · 1月30日
Sparse Autoencoder Features for Classifications and Transferability
Arxiv
0+阅读 · 2月2日
Understanding Internal Representations of Recommendation Models with Sparse Autoencoders
Arxiv
0+阅读 · 1月26日
Do Sparse Autoencoders Identify Reasoning Features in Language Models?
Arxiv
0+阅读 · 1月14日
Do Sparse Autoencoders Identify Reasoning Features in Language Models?
Arxiv
0+阅读 · 1月16日
参考链接
微信扫码咨询专知VIP会员
Top