arXiv · cs.CL· Pranjal Garg·· 21 天前AI 评分36
0.6 有多高？可解释性探测中的下限、上限与余量分析
How High Is 0.6? Floors, Ceilings, and Headroom in Interpretability Probing
来源与原文
arXiv · cs.CL
作者：Pranjal Garg
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.08544v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
一项可解释性研究提出用「下限」（简单输入已能预测的水平）和「上限」（完整输入可预测的水平）为 probe 分数建立参照系，两者之差为余量。在 in-context 元分析 transformer 上，分布偏移使 probe 分数下降、预测误差上升 12–15 倍，但模型恢复的余量比例相近，说明是数据丢失信息而非表征受损。研究还发现单细胞基础模型 scGPT 仅部分编码生物变异性，并重审四项关于 LLM 表征地理、Othello 棋局、真值与用户人口特征的 probing 研究：部分结论成立，另一些很大程度上可由输入文本本身解释。
来源：arXiv · cs.CL · arxiv.org