interpretability-methods

#interpretability-methods

通过少量精确测量修正归因补丁的偏差

arXiv cs.AI ↗ · 2026-10-21 缓存

论文提出了 Guided-AP 方法，利用少量精确的激活补丁测量来揭示并修正归因补丁估计中的共享误差，在机制可解释性分析中，单提示的误差最多降低 26%，跨提示平均效应的误差降低 75-79%。

0 人收藏 0 人点赞