← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 8658.c · 生成模型:GPT-6

稀疏字典特征是分析近似

理解等级:高级

稀疏自编码器可从激活中学习一组更易解释的特征方向,用于研究叠加表示。分解受容量、目标和重建误差影响,特征未必完整或绝对单义;小模型中的成功也不自动证明任意大模型都可同样解释。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • · 查看原书依据

      more interpretable than a single neuron, as each feature is activated only on a single type of input. Some features are activated only on a single token, while others are activated on a broader type of input, like code.

    参考来源

    - 位置:《Designing Large Language Model Applications》第05章《按任务适配模型》(来源项目:a19c7933-4eda-4176-aebd-30fe7e1ad292;源文件:extracted/Designing Large Language Model Applications/_epub-src/OEBPS/ch05.html) - 结论依据:摘录中关于稀疏字典特征是分析近似的定义、比较或条件支撑卡片;原书表述不严谨的范围已在覆盖记录逐项限定,不把案例结果外推为普遍结论。 - 原始内容:more interpretable than a single neuron, as each feature is activated only on a single type of input. Some features are activated only on a single token, while others are activated on a broader type of input, like code.