标签
本文证明，从语言模型激活中解码概念的线性探测器不一定能识别因果相关特征，并引入了使用稀疏自编码器的特征级诊断方法，以将探测器对齐与行为驱动因素分离。
本文提出了CMR-Mamba，一种利用Mamba状态空间模型进行无监督工业故障检测的因果机制监控方法，专注于耦合故障，并在机电、液压和网络物理系统上进行了评估。
本文探讨了视觉语言模型是否表现出与人类相似的奖赏估价回路。通过对功能识别的奖赏预期单元进行扰动，作者在模型中诱发了类似快感缺失的行为缺陷，反映了临床动机障碍的特征。
本文研究视觉-语言模型如何解决视觉证据与世界知识之间的冲突，揭示了视觉基础是默认的，而先验知识依赖于一小部分位于后层的注意力头。作者在三个VLM系列上进行因果分析，展示了一种不对称结构：消融这些头部会使得预测从基于知识的答案转向基于视觉的答案。