arXiv cs.AI· Naiyu Yin, Dennis Wei, Tian Gao, Amit Dhurandhar, Karthikeyan Natesan Ramamurthy, Yue Yu·· 1 天前AI 评分22
CircuitLasso：面向大语言模型可解释性的可扩展电路学习方法
Scalable Circuit Learning for Interpreting Large Language Models
AI 导读
CircuitLasso 是一种基于稀疏线性回归的可扩展电路学习方法，在基准数据上结构准确率与现有基于干预的方法相当，但计算成本大幅降低。它能高效揭示 SAE 特征之间的关系，展示可解释语义特征如何在模型中传播并影响预测。该工作已被 EMNLP 2026 主会议接收。
来源：arXiv cs.AI · arxiv.org