arXiv · cs.AI· Samuel Xie, Noura Al-Moubayed·· 11 小时前
SHAP用于评测SAE特征因果归因的可靠性
Evaluating the Causal Faithfulness of SHAP as a Candidate Attribution Method for SAE Features
arXiv:2610.17898v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Samuel Xie, Noura Al-Moubayed
研究任务与主要进展
Samuel Xie与Noura Al-Moubayed在SST-2情感分类任务上，用GPT-2 Small第7层、包含32,768个特征的SAE评估SHAP等归因方法与直接因果干预的一致性，并与Integrated Gradients、Gradient×Input和探针权重基线比较。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org