MAttr 技术细节：可微 sigmoid top-k 融合因果干预与掩码学习
aryaman2020 · x · 2026-09-24
MAttr 的技术实现要点：结合因果干预、梯度归因与掩码学习三者的优点，用一个简单可微的 sigmoid top-k 算子参数化因果干预，无需稀疏损失或 straight-through 技巧；训练时随机化 top-k 预算即可诱导出归因排序，评测时把 k 设为任意目标稀疏度即可。
所属事件:斯坦福发布 MAttr 归因法，2.9 倍登顶机制可解释性基准(7 条相关)→
「研究」频道最新
- CoRL 联合主席忆 2021 展区仅三张桌，对比 2026 规模感概行业巨变 — Ed__Johns · 2026-11-12
- 预训练原子模型筛选 1620 种组合，为单原子金属找稳定衬底 — bravo_abad · 2026-11-12
- Claude Fable 5.2 机器人实验被拿去吊打李飞飞 World Labs?作者称搞错了研究问题 — dotey · 2026-11-12
- Claude 数周产出 239 个形式化证明,验证 123 个开源库无崩溃 — kieranklaassen · 2026-11-12
- SynthICL：纯合成数据训练，单演示泛化 16 项真实操作任务 — Ed__Johns · 2026-11-12
- AI Agent 不跑模型直接改权重,1024 个数字让 MATH-500 从 7.4% 升至 37.4% — VictorSanh · 2026-11-12