Neel Nanda 经典论文用机制可解释性拆解 grokking

在 Neel Nanda 生日之际，其与 Lawrence Chan、Jacob Steinhardt 等人 2023 年的经典论文《Progress measures for grokking via mechanistic interpretability》被重新分享。该工作通过机制可解释性逆向工程，将模型训练中的 grokking 现象拆解为三个阶段渐进涌现，被视为机制可解释性方向的代表作.

2026-11-10 ~ 2026-11-10 · 2 条相关