提出基于稀疏线性回归的CircuitLasso方法,用于大语言模型机制可解释性中的电路学习,在高维稀疏自编码器特征空间中以极低计算成本实现了与现有干预方法相当的结构准确率,并有效揭示了语义特征的传播。
机构:里海大学
来源:arXiv 2606.16939 | AI4Papers 论文推荐平台