arXiv · cs.AI· Matteo He, William F. Shen, Alex Iacob, Andrej Jovanovic, Xinchi Qiu, Nicholas D. Lane·· 6 小时前
语言模型预训练中的读出学习：参数轨迹 crosscoding 追踪能力形成时间
Learning to Read Out: Unembedding Dynamics in Language Model Pretraining
arXiv:2610.21025v1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：Matteo He, William F. Shen, Alex Iacob, Andrej Jovanovic, Xinchi Qiu, Nicholas D. Lane
研究任务与主要进展
作者提出参数轨迹 crosscoding，通过为每个检查点的 token 读出行拟合一个稀疏字典，直接追踪语言模型预训练中的读出变化。基于论文摘要，研究在 Pythia 预训练进度约 0.4%–1.1% 时发现读出发生重组，WordNet 词类已可从读出行解码，而隐藏状态的线性探针更早解码出模型输出尚未呈现的任务信息；提高读出学习率会使读出更早发展并缩短该差距，且对最终损失影响较小。
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