Buchumschlag

Deep Neural Networks Can Learn Generalizable Same-Different Visual Relations

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Tartaglini, Alexa R., Feucht, Sheridan, Lepori, Michael A., Vong, Wai Keen, Lovering, Charles, Lake, Brenden M., Pavlick, Ellie
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	Computer Vision and Pattern Recognition Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Beyond the Doors of Perception: Vision Transformers Represent Relations Between Objects
von: Lepori, Michael A., et al.
Veröffentlicht: (2024)

On the robustness of modeling grounded word learning through a child's egocentric input
von: Vong, Wai Keen, et al.
Veröffentlicht: (2025)

H-ARC: A Robust Estimate of Human Performance on the Abstraction and Reasoning Corpus Benchmark
von: LeGris, Solim, et al.
Veröffentlicht: (2024)

I Walk the Line: Examining the Role of Gestalt Continuity in Object Binding for Vision Transformers
von: Tartaglini, Alexa R., et al.
Veröffentlicht: (2026)

Instilling Inductive Biases with Subnetworks
von: Zhang, Enyan, et al.
Veröffentlicht: (2023)

Uncovering Intermediate Variables in Transformers using Circuit Probing
von: Lepori, Michael A., et al.
Veröffentlicht: (2023)

The Same But Different: Structural Similarities and Differences in Multilingual Language Modeling
von: Zhang, Ruochen, et al.
Veröffentlicht: (2024)

Dual Process Learning: Controlling Use of In-Context vs. In-Weights Strategies with Weight Forgetting
von: Anand, Suraj, et al.
Veröffentlicht: (2024)

Convolutional Neural Networks Can (Meta-)Learn the Same-Different Relation
von: Gupta, Max, et al.
Veröffentlicht: (2025)

Whither symbols in the era of advanced neural networks?
von: Griffiths, Thomas L., et al.
Veröffentlicht: (2025)

Are LLMs Models of Distributional Semantics? A Case Study on Quantifiers
von: Enyan, Zhang, et al.
Veröffentlicht: (2024)

From Prediction to Understanding: Will AI Foundation Models Transform Brain Science?
von: Serre, Thomas, et al.
Veröffentlicht: (2025)

Does Training on Synthetic Data Make Models Less Robust?
von: Zhang, Lingze, et al.
Veröffentlicht: (2025)

How Do Language Models Compose Functions?
von: Khandelwal, Apoorv, et al.
Veröffentlicht: (2025)

Is This Just Fantasy? Language Model Representations Reflect Human Judgments of Event Plausibility
von: Lepori, Michael A., et al.
Veröffentlicht: (2025)

Vector Arithmetic in Concept and Token Subspaces
von: Feucht, Sheridan, et al.
Veröffentlicht: (2025)

The dynamic interplay between in-context and in-weight learning in humans and neural networks
von: Russin, Jacob, et al.
Veröffentlicht: (2024)

LLMs model how humans induce logically structured rules
von: Loo, Alyssa, et al.
Veröffentlicht: (2025)

mOthello: When Do Cross-Lingual Representation Alignment and Cross-Lingual Transfer Emerge in Multilingual Models?
von: Hua, Tianze, et al.
Veröffentlicht: (2024)

What is an "Abstract Reasoner"? Revisiting Experiments and Arguments about Large Language Models
von: Yun, Tian, et al.
Veröffentlicht: (2025)

Handling and Interpreting Missing Modalities in Patient Clinical Trajectories via Autoregressive Sequence Modeling
von: Wang, Andrew, et al.
Veröffentlicht: (2026)

Talking Heads: Understanding Inter-layer Communication in Transformer Language Models
von: Merullo, Jack, et al.
Veröffentlicht: (2024)

How Do Vision-Language Models Process Conflicting Information Across Modalities?
von: Hua, Tianze, et al.
Veröffentlicht: (2025)

A Knapsack by Any Other Name: Presentation impacts LLM performance on NP-hard problems
von: Duchnowski, Alex, et al.
Veröffentlicht: (2025)

Circuit Component Reuse Across Tasks in Transformer Language Models
von: Merullo, Jack, et al.
Veröffentlicht: (2023)

Language Models Implement Simple Word2Vec-style Vector Arithmetic
von: Merullo, Jack, et al.
Veröffentlicht: (2023)

Overcoming classic challenges for artificial neural networks by providing incentives and practice
von: Irie, Kazuki, et al.
Veröffentlicht: (2024)

Are they human? Detecting large language models by probing human memory constraints
von: Schug, Simon, et al.
Veröffentlicht: (2026)

Not How Many, But Which: Parameter Placement in Low-Rank Adaptation
von: Sehanobish, Arijit, et al.
Veröffentlicht: (2026)

Diagnosing Bottlenecks in Data Visualization Understanding by Vision-Language Models
von: Tartaglini, Alexa R., et al.
Veröffentlicht: (2025)

Source-Modality Monitoring in Vision-Language Models
von: Hua, Etha Tianze, et al.
Veröffentlicht: (2026)

The Dual-Route Model of Induction
von: Feucht, Sheridan, et al.
Veröffentlicht: (2025)

Erasing Conceptual Knowledge from Language Models
von: Gandikota, Rohit, et al.
Veröffentlicht: (2024)

Token Erasure as a Footprint of Implicit Vocabulary Items in LLMs
von: Feucht, Sheridan, et al.
Veröffentlicht: (2024)

Transformer Mechanisms Mimic Frontostriatal Gating Operations When Trained on Human Working Memory Tasks
von: Traylor, Aaron, et al.
Veröffentlicht: (2024)

An explainable transformer circuit for compositional generalization
von: Tang, Cheng, et al.
Veröffentlicht: (2025)

CoLLEGe: Concept Embedding Generation for Large Language Models
von: Teehan, Ryan, et al.
Veröffentlicht: (2024)

Video Finetuning Improves Reasoning Between Frames
von: Yang, Ruiqi, et al.
Veröffentlicht: (2025)

Transferring Linear Features Across Language Models With Model Stitching
von: Chen, Alan, et al.
Veröffentlicht: (2025)

LLMs as Models for Analogical Reasoning
von: Musker, Sam, et al.
Veröffentlicht: (2024)