J-lens与logit lens、tuned lens的对比
wesg52 · x · 2026-07-07
研究者将J-lens与其他可解释性方法对比：相比logit lens，J-lens能更早呈现可解释内容，但logit lens仍是强基线；而tuned lens“过于称职”，往往只显示下一个token的类型，反而难以暴露有趣的中层表征。
所属事件:Anthropic发现Claude内部存在全局工作空间(102 条相关)→
「研究」频道最新
- Gary Marcus 警告：LLM 榜单正在把 harness 一起算进去 — GaryMarcus · 2026-07-22
- 新论文定义 self-state 攻击，四类 agent 记忆篡改 OS 无法区分 — Justgototheeffinmoon · 2026-07-22
- Krea 2 用户推荐双段 Clownshark 采样配置提升细节 — listopalafoto · 2026-07-22
- 动画展示 MLP 学习 MNIST 时首层权重变化 — CatAstro_Piyush · 2026-07-22
- Project APE：论文含多处错误时，验证器可靠性会下降 — soumitrashukla9 · 2026-07-22
- Project APE：验证成本一年降约 90 倍，中文开源模型领跑 — soumitrashukla9 · 2026-07-22