arXiv · cs.AI· Lucius Bushnaq, Dan Braun, Oliver Clive-Griffin, Bart Bussmann, Nathan Hu, Michael Ivanitskiy, Linda Linsefors, Lee Sharkey·· 7 小时前
语言模型参数可解释性方法 VPD 分解参数组件
Interpreting Language Model Parameters
arXiv:2610.20748v1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：Lucius Bushnaq, Dan Braun, Oliver Clive-Griffin, Bart Bussmann, Nathan Hu, Michael Ivanitskiy, Linda Linsefors, Lee Sharkey
研究任务与主要进展
论文提出 adVersarial Parameter Decomposition（VPD），将语言模型参数分解为仅各自承担部分学习算法的子组件。该方法要求在大量子组件被移除、甚至被对抗性选择移除时，仍保持模型对输入的输出行为，并据此研究参数子组件之间的交互及其形成的新型“电路”分析；当前材料仅提供论文摘要。
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