Buchumschlag

Neural Networks Learn Statistics of Increasing Complexity

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Belrose, Nora, Pope, Quintin, Quirke, Lucia, Mallen, Alex, Fern, Xiaoli
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Slowing Learning by Erasing Simple Features
von: Quirke, Lucia, et al.
Veröffentlicht: (2025)

Balancing Label Quantity and Quality for Scalable Elicitation
von: Mallen, Alex, et al.
Veröffentlicht: (2024)

Binary Sparse Coding for Interpretability
von: Quirke, Lucia, et al.
Veröffentlicht: (2025)

Automatically Interpreting Millions of Features in Large Language Models
von: Paulo, Gonçalo, et al.
Veröffentlicht: (2024)

Eliciting Latent Knowledge from Quirky Language Models
von: Mallen, Alex, et al.
Veröffentlicht: (2023)

Estimating the Probability of Sampling a Trained Neural Network at Random
von: Scherlis, Adam, et al.
Veröffentlicht: (2025)

Sparse Autoencoders Trained on the Same Data Learn Different Features
von: Paulo, Gonçalo, et al.
Veröffentlicht: (2025)

Understanding Gradient Descent through the Training Jacobian
von: Belrose, Nora, et al.
Veröffentlicht: (2024)

Evaluating SAE interpretability without explanations
von: Paulo, Gonçalo, et al.
Veröffentlicht: (2025)

Converting MLPs into Polynomials in Closed Form
von: Belrose, Nora, et al.
Veröffentlicht: (2025)

Partially Rewriting a Transformer in Natural Language
von: Paulo, Gonçalo, et al.
Veröffentlicht: (2025)

Examining Two Hop Reasoning Through Information Content Scaling
von: Johnston, David, et al.
Veröffentlicht: (2025)

Transcoders Beat Sparse Autoencoders for Interpretability
von: Paulo, Gonçalo, et al.
Veröffentlicht: (2025)

Refusal in LLMs is an Affine Function
von: Marshall, Thomas, et al.
Veröffentlicht: (2024)

Does Transformer Interpretability Transfer to RNNs?
von: Paulo, Gonçalo, et al.
Veröffentlicht: (2024)

Mechanistic Anomaly Detection for "Quirky" Language Models
von: Johnston, David O., et al.
Veröffentlicht: (2025)

Automatically Finding and Validating Unexpected Side-Effects of Interventions on Language Models
von: Pope, Quintin, et al.
Veröffentlicht: (2026)

Understanding Addition in Transformers
von: Quirke, Philip, et al.
Veröffentlicht: (2023)

ComplexityNet: Increasing LLM Inference Efficiency by Learning Task Complexity
von: Bae, Henry, et al.
Veröffentlicht: (2023)

Understanding Addition and Subtraction in Transformers
von: Quirke, Philip, et al.
Veröffentlicht: (2024)

Graph Neural Network Based Action Ranking for Planning
von: Mangannavar, Rajesh, et al.
Veröffentlicht: (2024)

Active Learning with Neural Networks: Insights from Nonparametric Statistics
von: Zhu, Yinglun, et al.
Veröffentlicht: (2022)

Hybrid Real- and Complex-valued Neural Network Architecture
von: Young, Alex, et al.
Veröffentlicht: (2025)

LEACE: Perfect linear concept erasure in closed form
von: Belrose, Nora, et al.
Veröffentlicht: (2023)

Eliciting Latent Predictions from Transformers with the Tuned Lens
von: Belrose, Nora, et al.
Veröffentlicht: (2023)

Statistical Learning Analysis of Physics-Informed Neural Networks
von: Barajas-Solano, David A.
Veröffentlicht: (2026)

Subversion Strategy Eval: Can language models statelessly strategize to subvert control protocols?
von: Mallen, Alex, et al.
Veröffentlicht: (2024)

Transfer Learning via Auxiliary Labels with Application to Cold-Hardiness Prediction
von: Goebel, Kristen, et al.
Veröffentlicht: (2025)

Why Do Some Language Models Fake Alignment While Others Don't?
von: Sheshadri, Abhay, et al.
Veröffentlicht: (2025)

Rethinking Deep Learning: Propagating Information in Neural Networks without Backpropagation and Statistical Optimization
von: Itoh, Kei
Veröffentlicht: (2024)

Learning to Compile Programs to Neural Networks
von: Weber, Logan, et al.
Veröffentlicht: (2024)

Understanding Scaling Laws with Statistical and Approximation Theory for Transformer Neural Networks on Intrinsically Low-dimensional Data
von: Havrilla, Alex, et al.
Veröffentlicht: (2024)

Learned Random Label Predictions as a Neural Network Complexity Metric
von: Becker, Marlon, et al.
Veröffentlicht: (2024)

Provable Guarantees for Nonlinear Feature Learning in Three-Layer Neural Networks
von: Nichani, Eshaan, et al.
Veröffentlicht: (2023)

Increasing the Confidence of Deep Neural Networks by Coverage Analysis
von: Rossolini, Giulio, et al.
Veröffentlicht: (2021)

Characterizing Learning in Deep Neural Networks using Tractable Algorithmic Complexity Analysis
von: Bakhtiarifard, Pedram, et al.
Veröffentlicht: (2026)

DeepAveragers: Offline Reinforcement Learning by Solving Derived Non-Parametric MDPs
von: Shrestha, Aayam, et al.
Veröffentlicht: (2020)

A Manifold Perspective on the Statistical Generalization of Graph Neural Networks
von: Wang, Zhiyang, et al.
Veröffentlicht: (2024)

Budgeted Online Active Learning with Expert Advice and Episodic Priors
von: Goebel, Kristen, et al.
Veröffentlicht: (2025)

Steinmetz Neural Networks for Complex-Valued Data
von: Venkatasubramanian, Shyam, et al.
Veröffentlicht: (2024)