OpenTrends
GitHub

Transformer Circuits

Anthropic interpretability research articles.

读取它的 RSS所属板块:AI

Transformer Circuits 最新

  1. 对微型语言模型中的干扰权重进行表征2026-08-21
  2. 可言语化表示在语言模型中形成全局工作空间2026-07-06
  3. Circuits Updates – June 20262026-07-02
  4. Circuits Updates – May 20262026-06-02
  5. 自然语言自编码器生成大语言模型激活的无监督解释2026-05-07
  6. HeadVis：用于探究Transformer电路中注意力头的交互式工具2026-05-05
  7. 情感概念及其在大型语言模型中的作用2026-04-02
  8. 电路更新 – 2025年11月2025-11-26
  9. 大型语言模型中的涌现内省意识2025-10-29
  10. 电路更新 – 2025年10月2025-10-25
  11. 当模型操纵流形时：计数任务的几何结构2025-10-21
  12. 电路更新 - 2025年9月2025-09-30
  13. 电路更新 - 2025年8月2025-08-28
  14. 机制（不）忠实性的玩具模型2025-08-07
  15. 通过特征交互追踪注意力计算2025-07-31
  16. 干扰权重的简易模型2025-07-29
  17. 线性变换的稀疏混合2025-07-25
  18. 电路更新 - 2025年7月2025-07-25
  19. 电路更新 - 2025年4月2025-04-30
  20. 归属图2025-03-27
  21. On the Biology of a Large Language Model2025-03-27
  22. Circuit Tracing: Revealing Computational Graphs in Language Models2025-03-27
  23. 关于Crosscoder模型差异化的洞察2025-02-20
  24. 电路更新 - 2025年1月2025-01-28
  25. 分阶段模型差异分析变压器电路线程2024-12-12
  26. 用于跨层特征的稀疏交叉编码器和模型差异分析变压器电路线程2024-10-25
  27. 使用字典学习特征作为分类器2024-10-16
  28. 电路更新 - 2024 年 9 月2024-10-01
  29. 电路更新 - 2024年8月2024-09-06
  30. Circuits 更新 - 2024年7月2024-07-31

在AI页面关注它