Anthropic：Transformer Circuits（可解释性研究）·· 12 小时前AI 评分39
Anthropic 可解释性团队 Circuits Updates（2024 年 2 月）：字典学习中的死亡特征与改进
Circuits Updates — February 2024 A collection of small updates from the Anthropic Interpretability Team.
AI 导读
Anthropic 可解释性团队发布 2024 年 2 月 Circuits Updates，聚焦稀疏自编码器字典学习中的"超低密度特征"问题，认为这类特征因 L1 正则惩罚在找到有用方向前就被杀死。
来源：Anthropic：Transformer Circuits（可解释性研究） · transformer-circuits.pub