斯坦福提出 Matryoshka Attribution 归因法登顶可解释性基准

斯坦福团队（Aryaman Arora、Noah Goodman、Dan Jurafsky、Christopher Potts 等）发布可解释性新论文 Matryoshka Attribution，提出一种新的归因方法：用梯度下降来定位神经网络中负责某一行为的部分，取代传统的人工搜索方式。该方法已在可解释性基准上登顶，Noah Goodman 转发并评论了这项工作。

2026-09-26 ~ 2026-09-26 · 2 条相关