Kronecker Factorization Improves Efficiency and Interpretability of Sparse Autoencoders
克罗内克分解提升稀疏自编码器的效率与可解释性
机构 * T-Tech
专题命中 知识编辑与模型理解 :language model(abstract);分类 cs.CL、cs.LG
AI总结 KronSAE通过克罗内克分解减少计算开销,同时引入mAND提升稀疏自编码器的可解释性与性能。
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。
克罗内克分解提升稀疏自编码器的效率与可解释性
机构 * T-Tech
专题命中 知识编辑与模型理解 :language model(abstract);分类 cs.CL、cs.LG
AI总结 KronSAE通过克罗内克分解减少计算开销,同时引入mAND提升稀疏自编码器的可解释性与性能。
掩码组学建模用于病理学与分子特征的多模态表示学习
机构 * Oncopole(奥恩波尔) ; IRT Saint Exupéry(国际研究与技术圣埃克苏佩里) ; INSERM Cancer Research Center of Toulouse(里沃利癌症研究中心) ; Toulouse(图卢兹)
专题命中 知识编辑与模型理解 :foundation model(abstract);分类 cs.AI、cs.LG
AI总结 MORPHEUS通过整合病理学图像和多组学数据,提出了一种多模态预训练策略,以提升癌症研究中的跨模态表示学习能力。
SAGA:通过结构化可及性 grounding 实现开放世界移动操作
机构 * RAI Institute(RAI研究院)
专题命中 知识编辑与模型理解 :foundation model(abstract);分类 cs.AI、cs.LG
AI总结 SAGA通过结构化可及性接地实现开放世界移动操作,能有效处理多种任务形式并实现零样本执行。
Comments 9 pages, 7 figures
MindCraft: 深度模型中概念树如何形成
机构 * University of Maryland, College Park(马里兰大学 College Park 分校)
专题命中 知识编辑与模型理解 :foundation model(abstract);分类 cs.AI、cs.LG
AI总结 MindCraft通过概念树框架揭示深度模型中概念的层次结构和分离过程,为可解释AI提供新的分析方法。
机构 * OpenAI
专题命中 知识编辑与模型理解 :language model(abstract);分类 cs.AI、cs.LG
机构 * Purdue University(普渡大学) ; AWS AI Labs(AWS人工智能实验室)
专题命中 知识编辑与模型理解 :LLM(abstract);分类 cs.CL、cs.AI
Comments Under submission
机构 * Trustly
专题命中 知识编辑与模型理解 :language model(abstract);分类 cs.AI、cs.LG
专题命中 知识编辑与模型理解 :pretraining(abstract);分类 cs.AI、cs.LG
专题命中 知识编辑与模型理解 :pretraining(abstract);分类 cs.AI、cs.LG
Comments Accepted by AAAI 2026 Main Technical Track
专题命中 知识编辑与模型理解 :foundation model(abstract);分类 cs.AI、cs.LG
Comments Accepted at NeurIPS 2025 Machine Learning and the Physical Sciences Workshop; v2: added collaboration
机构 * Hang Chen School of Computer Science and Technology Xi’an Jiaotong University(陈hang 王校计算机科学与技术学院 西安交通大学) ; Jiaying Zhu School of Computer Science and Engineering The Chinese University of Hong Kong(朱继燕 王校计算机科学与工程学院 香港中文大学) ; Xinyu Yang School of Computer Science and Technology Xi’an Jiaotong University(杨新宇 王校计算机科学与技术学院 西安交通大学) ; Wenya Wang School of Computer Science and Engineering Nanyang Technological University(王文雅 王校计算机科学与工程学院 新加坡国立大学)
专题命中 知识编辑与模型理解 :language model(abstract);分类 cs.CL、cs.AI
Comments accepted by AAAI 2026 (oral)
机构 * Indian Institute of Science(印度科学研究院)
专题命中 知识编辑与模型理解 :LLM(abstract);分类 cs.CL、cs.AI
Comments Accepted to ECAI 2025
Journal ref The European Conference on Artificial Intelligence. 413 (2025). pp 4089--4096. IOS Press
机构 * Tongyi Lab(通义实验室) ; Alibaba Group(阿里巴巴集团)
专题命中 知识编辑与模型理解 :LLM(abstract);分类 cs.CL、cs.AI
Comments 25 pages
机构 * School of Computer Science and Engineering, Sun Yat-sen University(中山大学计算机科学与工程学院) ; ShanghaiTech University(上海理工大学)
专题命中 知识编辑与模型理解 :language model(abstract);分类 cs.CL、cs.AI
Journal ref Proceedings of the IEEE/CVF International Conference on Computer Vision (ICCV), 2025, pp. 4101-4113
机构 * UC Berkeley(伯克利大学) ; Imbue(Imbue公司) ; Google DeepMind(谷歌DeepMind)
专题命中 知识编辑与模型理解 :language model(abstract);分类 cs.CL、cs.LG
Comments 26 pages, 8 figures
专题命中 知识编辑与模型理解 :language model(abstract);分类 cs.AI、cs.LG
机构 * Arizona State University(亚利桑那州立大学) ; Intel Lab(英特尔实验室)
专题命中 知识编辑与模型理解 :language model(abstract);分类 cs.CL、cs.LG
专题命中 知识编辑与模型理解 :foundation model(abstract);分类 cs.AI、cs.LG
机构 * Computer Science Department, TU Darmstadt(图宾根大学计算机科学系) ; Hessian Center for AI (hessian.AI)(海德堡人工智能中心) ; German Research Center for AI (DFKI)(德国人工智能研究中心) ; Centre for Cognitive Science, TU Darmstadt(图宾根大学认知科学中心)
专题命中 知识编辑与模型理解 :foundation model(abstract);分类 cs.AI、cs.LG
机构 * School of Computation, Information and Technology, Technical University of Munich(慕尼黑技术大学计算、信息与技术学院) ; Department of Computing, Imperial College London(伦敦帝国学院计算机系) ; Munich Center for Machine Learning(慕尼黑机器学习中心) ; Munich Data Science Institute, Technical University of Munich(慕尼黑数据科学研究所) ; Institute of Pathology, TUM School of Medicine and Health, Technical University of Munich(慕尼黑技术大学医学与健康学院病理学研究所) ; Weill Cornell Medicine, Cornell University(韦尔医学院,康奈尔大学)
专题命中 知识编辑与模型理解 :foundation model(abstract);分类 cs.AI、cs.LG
Comments 15 pages, 5 figures
专题命中 知识编辑与模型理解 :LLM(abstract);分类 cs.AI、cs.LG
Comments 8 pages, 4 figures, 6 tables, submitted to IAAI-26
机构 * ETH Zürich(苏黎世联邦理工学院) ; Stanford CS(斯坦福大学计算机科学系)
专题命中 知识编辑与模型理解 :language model(abstract);分类 cs.AI、cs.LG
机构 * Yale University(耶鲁大学) ; Google Research(谷歌研究) ; University of Toronto(多伦多大学)
专题命中 知识编辑与模型理解 :prompting(abstract);分类 cs.CL、cs.LG
Comments EMNLP 2025
机构 * Carnegie Mellon University(卡内基梅隆大学)
专题命中 知识编辑与模型理解 :language model(abstract);分类 cs.AI、cs.LG
机构 * Max Planck Institute for Innovation and Competition(马克斯·普朗克创新与竞争研究所)
专题命中 知识编辑与模型理解 :language model(abstract);分类 cs.CL、cs.LG
Comments 8 pages, 3 figures, 4 tables
机构 * The University of Texas at Austin(德克萨斯大学奥斯汀分校) ; Stanford University(斯坦福大学)
专题命中 知识编辑与模型理解 :language model(abstract);分类 cs.CL、cs.AI
Comments 22 pages, 21 figures, 10 tables; EMNLP (Main) 2025
机构 * University of Wisconsin-Madison(威斯康星大学麦迪逊分校) ; University of Warwick(沃里克大学)
专题命中 知识编辑与模型理解 :pretraining(abstract);分类 cs.AI、cs.LG
专题命中 知识编辑与模型理解 :preference optimization(abstract);分类 cs.CL、cs.LG
机构 * School of Computing Science(计算科学学院) ; School of Cancer Sciences(癌症科学学院) ; Cancer Research UK Scotland Institute(英国癌症研究苏格兰研究所) ; University of Glasgow(格拉斯哥大学)
专题命中 知识编辑与模型理解 :language model(abstract);分类 cs.AI、cs.LG
Comments Findings of EMNLP 2025
机构 * SUPSI, IDSIA(瑞士SUPSI和IDSIA)
专题命中 知识编辑与模型理解 :pretraining(abstract);分类 cs.CL、cs.AI
Comments Accepted in second UncertaiNLP workshop at EMNLP 2025