Copertina

Training Neural Networks for Modularity aids Interpretability

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autori principali:	Golechha, Satvik, Cope, Dylan, Schoots, Nandi
Natura:	Preprint
Pubblicazione:	2024
Soggetti:	Machine Learning Artificial Intelligence
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Studying Cross-cluster Modularity in Neural Networks
di: Golechha, Satvik, et al.
Pubblicazione: (2025)

Challenges in Mechanistically Interpreting Model Representations
di: Golechha, Satvik, et al.
Pubblicazione: (2024)

Progress Measures for Grokking on Real-world Tasks
di: Golechha, Satvik
Pubblicazione: (2024)

Among Us: A Sandbox for Measuring and Detecting Agentic Deception
di: Golechha, Satvik, et al.
Pubblicazione: (2025)

Relating Piecewise Linear Kolmogorov Arnold Networks to ReLU Networks
di: Schoots, Nandi, et al.
Pubblicazione: (2025)

NICE: To Optimize In-Context Examples or Not?
di: Srivastava, Pragya, et al.
Pubblicazione: (2024)

Building Better Deception Probes Using Targeted Instruction Pairs
di: Natarajan, Vikram, et al.
Pubblicazione: (2026)

ABBEL: LLM Agents Acting through Belief Bottlenecks Expressed in Language
di: Lidayan, Aly, et al.
Pubblicazione: (2025)

Who's the Evil Twin? Differential Auditing for Undesired Behavior
di: Balappanawar, Ishwar, et al.
Pubblicazione: (2025)

The Propensity for Density in Feed-forward Models
di: Schoots, Nandi, et al.
Pubblicazione: (2024)

Extending Activation Steering to Broad Skills and Multiple Behaviours
di: van der Weij, Teun, et al.
Pubblicazione: (2024)

Logic Sketch Prompting (LSP): A Deterministic and Interpretable Prompting Method
di: Tripathi, Satvik
Pubblicazione: (2025)

FocusLearn: Fully-Interpretable, High-Performance Modular Neural Networks for Time Series
di: Su, Qiqi, et al.
Pubblicazione: (2023)

Soft Contamination Means Benchmarks Test Shallow Generalization
di: Spiesberger, Ari, et al.
Pubblicazione: (2026)

Human-like Forgetting Curves in Deep Neural Networks
di: Kline, Dylan
Pubblicazione: (2025)

DiffusionBlocks: Block-wise Neural Network Training via Diffusion Interpretation
di: Shing, Makoto, et al.
Pubblicazione: (2025)

Faithful Interpretation for Graph Neural Networks
di: Hu, Lijie, et al.
Pubblicazione: (2024)

Modular Boundaries in Recurrent Neural Networks
di: Tanner, Jacob, et al.
Pubblicazione: (2023)

Interpreting Neural Networks through Mahalanobis Distance
di: Oursland, Alan
Pubblicazione: (2024)

The Interpretable and Effective Graph Neural Additive Networks
di: Bechler-Speicher, Maya, et al.
Pubblicazione: (2024)

Interpretable Neural Networks with Random Constructive Algorithm
di: Nan, Jing, et al.
Pubblicazione: (2023)

Interpretable Graph Neural Networks for Tabular Data
di: Alkhatib, Amr, et al.
Pubblicazione: (2023)

Factor Graph-based Interpretable Neural Networks
di: Li, Yicong, et al.
Pubblicazione: (2025)

Uncovering a Universal Abstract Algorithm for Modular Addition in Neural Networks
di: McCracken, Gavin, et al.
Pubblicazione: (2025)

A Comprehensive Survey on Self-Interpretable Neural Networks
di: Ji, Yang, et al.
Pubblicazione: (2025)

Spark: Modular Spiking Neural Networks
di: Franco, Mario, et al.
Pubblicazione: (2026)

Closed-Form Interpretation of Neural Network Classifiers with Symbolic Gradients
di: Wetzel, Sebastian Johann
Pubblicazione: (2024)

Attention Consistency Regularization for Interpretable Early-Exit Neural Networks
di: Zhao, Yanhua
Pubblicazione: (2026)

Efficient and Interpretable Neural Networks Using Complex Lehmer Transform
di: Ataei, Masoud, et al.
Pubblicazione: (2025)

Dissecting Language Models: Machine Unlearning via Selective Pruning
di: Pochinkov, Nicholas, et al.
Pubblicazione: (2024)

A Unified Theory of Compositionality, Modularity, and Interpretability in Markov Decision Processes
di: Ringstrom, Thomas J., et al.
Pubblicazione: (2025)

Gradient-Free Training of Quantized Neural Networks
di: Cohen, Noa, et al.
Pubblicazione: (2024)

Z-Error Loss for Training Neural Networks
di: Godin, Guillaume
Pubblicazione: (2025)

Automatic Stability and Recovery for Neural Network Training
di: Or, Barak
Pubblicazione: (2026)

Energy Consumption in Parallel Neural Network Training
di: Huber, Philipp, et al.
Pubblicazione: (2025)

Train Faster, Perform Better: Modular Adaptive Training in Over-Parameterized Models
di: Shi, Yubin, et al.
Pubblicazione: (2024)

GINN-KAN: Interpretability pipelining with applications in Physics Informed Neural Networks
di: Ranasinghe, Nisal, et al.
Pubblicazione: (2024)

Deep Model Merging: The Sister of Neural Network Interpretability -- A Survey
di: Khan, Arham, et al.
Pubblicazione: (2024)

Closed-Form Interpretation of Neural Network Latent Spaces with Symbolic Gradients
di: Wetzel, Sebastian J., et al.
Pubblicazione: (2024)

Framework GNN-AID: Graph Neural Network Analysis Interpretation and Defense
di: Lukyanov, Kirill, et al.
Pubblicazione: (2025)