Google PAIR AI Explorables:从稀疏自编码器到 grokking 的研究级交互课
techNmak · x · 2026-09-04
推荐 Google PAIR 的 AI Explorables 系列:研究级的机器学习交互式短文,主题包括:
- 用稀疏自编码器(SAE)理解 LLM 隐藏表示,以及 Patchscopes 自检框架
- 模型是记忆还是泛化(grokking 与机械可解释性)
- 校准、集成模型与分布外数据的自信错误
- 隐私:模型为何泄露数据、差分隐私与公平性的副作用
上一位推荐 TensorFlow Playground:实时调整层数、激活、学习率等,观察决策边界演化,直观理解欠拟合/过拟合。
所属事件:别再从静态图学 AI：从入门到研究级的可视化学习资源全集(13 条相关)→
「研究」频道最新
- ACS 推免费平台，研究者可白嫖 Llama 3.1 8B/405B 基座模型 — jankulveit · 2026-10-21
- LessWrong 长文引入「LM 心理学」：像心理学家一样直接与模型对话 — jankulveit · 2026-10-21
- LiFT 循环复用 DiT 核心：参数减 60% 仍胜稠密基线 3.34 FID — burny_tech · 2026-10-21
- 斯坦福学者激辩基因组大模型:变体预测成绩为何只挑着报 — anshulkundaje · 2026-10-21
- Gemini 数小时破解悬置 59 年的核聚变磁场数学猜想 — DynamicWebPaige · 2026-10-21
- Bombadil:解码植物生物电信号的基础模型问世 — tdhopper · 2026-10-21