A Review of Developmental Interpretability in Large Language Models
专题命中 知识编辑与模型理解 :large language model(title,abstract);language model(title,abstract);LLM(abstract);分类 cs.CL、cs.LG
AI 大模型
大语言模型、预训练、指令微调、后训练和语言模型应用。
专题命中 知识编辑与模型理解 :large language model(title,abstract);language model(title,abstract);LLM(abstract);分类 cs.CL、cs.LG
机构 * Department of Computer Science, Anglia Ruskin University(计算机科学系,安格利亚 Ruskin 大学)
专题命中 知识编辑与模型理解 :large language model(title,abstract);language model(title,abstract);分类 cs.CL、cs.LG
Comments 13 pages. Mechanistic analysis of backdoored LLMs (Qwen2.5-3B). Code: https://github.com/mshahoyi/sa_attn_analysis. Base model: unsloth/Qwen2.5-3B-Instruct-unsloth-bnb-4bit. Finetuned models: https://huggingface.co/collections/mshahoyi/simple-sleeper-agents-68a1df3a7aaff310aa0e5336
机构 * André Jonasson(独立研究者)
专题命中 知识编辑与模型理解 :large language model(title,abstract);language model(title,abstract);分类 cs.CL、cs.LG
机构 * Department of Computer Science and Technology, Tsinghua University(清华大学计算机科学与技术系) ; School of Computing Science, Simon Fraser University(西蒙弗雷泽大学计算机科学系) ; Beijing National Research Center for Information Science and Technology(北京信息科学国家研究中心)
专题命中 知识编辑与模型理解 :large language model(title,abstract);language model(title,abstract);分类 cs.LG
Comments ACM Multimedia2025
机构 * IIIT Hyderabad(IIIT海得拉巴)
专题命中 知识编辑与模型理解 :large language model(abstract);language model(abstract);分类 cs.CL、cs.AI、cs.LG
专题命中 知识编辑与模型理解 :large language model(abstract);language model(abstract);分类 cs.CL、cs.LG
机构 * U.S. Army Research Lab(美国陆军研究实验室) ; University of Colorado Boulder(科罗拉多大学博尔德分校) ; University of Bath(巴斯大学)
专题命中 知识编辑与模型理解 :large language model(abstract);language model(abstract);分类 cs.CL
Comments Chapter in Phraseology and Multiword Expressions, Language Science Press (to appear)
机构 * Huawei Noah’s Ark Lab, Canada(华为诺亚实验室,加拿大) ; University of Toronto, Canada(多伦多大学,加拿大)
专题命中 知识编辑与模型理解 :foundation model(abstract)
Comments Published at the Conference on Robot Learning (CoRL) 2025. For more details please visit https://frankzhaodong.github.io/UnPose