Yizhou Sun
収録論文 1本 ・ フィジカルAI/ロボット学習
解釈可能性
※arXiv著者名で収集。同姓同名の別人の論文が含まれる場合があります。
論文
- Transformerの拒否機構におけるコンポーネントと次元のスパース性解釈可能性2026/9/30
4つのオープンウェイトモデルで拒否ステアリングを分解し、拒否行動が少数の注意・MLPコンポーネントと残差ストリーム次元に集中して符号化されていることを示した研究。
世界のフィジカルAIを、日本語で。
収録論文 1本 ・ フィジカルAI/ロボット学習
※arXiv著者名で収集。同姓同名の別人の論文が含まれる場合があります。
4つのオープンウェイトモデルで拒否ステアリングを分解し、拒否行動が少数の注意・MLPコンポーネントと残差ストリーム次元に集中して符号化されていることを示した研究。