arXiv 人工智能· Luyang Zhang, Minxing Zheng, Jialu Wang·· 3 小时前AI 评分33
利用少量精确测量校正归因打补丁（Attribution Patching）
Correcting Attribution Patching with a Few Exact Measurements
AI 导读
针对大语言模型机制可解释性中归因打补丁（Attribution Patching）误差较大的问题，研究者提出 Guided-AP 方法，通过少量精确测量来校正未测量的估计值。在单 prompt 场景下，该校正在三种行为中将误差最多降低 26%。在多 prompt 事实补全任务中，该方法将组件平均效应的误差降低了 75% 至 79%。
来源：arXiv 人工智能 · arxiv.org