arXiv · cs.AI· Anton Korznikov, Alexey Dontsov, Elena Tutubalina·· 5 小时前
稀疏Transformer：为机制可解释性提供受控测试平台
Sparse Transformer: a Controlled Testbed for Mechanistic Interpretability
arXiv:2610.19907v1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：Anton Korznikov, Alexey Dontsov, Elena Tutubalina
研究任务与主要进展
作者提出一个在TinyStories上训练的5层稀疏Transformer，通过宽而TopK稀疏的MLP促使神经元专门化，并将其作为机制可解释性的受控测试平台。其神经元在AutoInterp上较按损失匹配的稠密Transformer高出43%，单个模型预测可由中位数为12个神经元的回路复现；此外，Transcoder恢复ST神经元向量的余弦相似度比Sparse Autoencoder高52.6%。
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