Buchumschlag

The Computational Complexity of Circuit Discovery for Inner Interpretability

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Adolfi, Federico, Vilas, Martina G., Wareham, Todd
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Artificial Intelligence Computational Complexity Neurons and Cognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Position: An Inner Interpretability Framework for AI Inspired by Lessons from Cognitive Neuroscience
von: Vilas, Martina G., et al.
Veröffentlicht: (2024)

The Algorithmic Regulator
von: Ruffini, Giulio
Veröffentlicht: (2025)

From Clever Hans to Scientific Discovery: Interpreting EEG Foundational Transformers with LRP
von: Bexten, Justus Meyer zu, et al.
Veröffentlicht: (2026)

Net2Brain: A Toolbox to compare artificial vision models with human brain responses
von: Bersch, Domenic, et al.
Veröffentlicht: (2022)

An Affective-Taxis Hypothesis for Alignment and Interpretability
von: Sennesh, Eli, et al.
Veröffentlicht: (2025)

Latent-Space Causal Discovery from Indirect Neuroimaging Observations
von: Bae, Sangyoon, et al.
Veröffentlicht: (2026)

Think-Aloud Reshapes Automated Cognitive Model Discovery Beyond Behavior
von: Xie, Hanbo, et al.
Veröffentlicht: (2026)

Multilevel Interpretability Of Artificial Neural Networks: Leveraging Framework And Methods From Neuroscience
von: He, Zhonghao, et al.
Veröffentlicht: (2024)

A Biologically Interpretable Cognitive Architecture for Online Structuring of Episodic Memories into Cognitive Maps
von: Dzhivelikian, E. A., et al.
Veröffentlicht: (2025)

The Computational Mechanisms of Detached Mindfulness
von: Conway-Smith, Brendan, et al.
Veröffentlicht: (2024)

Consciousness qua Mortal Computation
von: Kleiner, Johannes
Veröffentlicht: (2024)

Can Brain Signals Reveal Inner Alignment with Human Languages?
von: Han, William, et al.
Veröffentlicht: (2022)

DecNefSimulator: A Modular, Interpretable Framework for Decoded Neurofeedback Simulation Using Generative Models
von: Olza, Alexander, et al.
Veröffentlicht: (2025)

Predictive Coding Enhances Meta-RL To Achieve Interpretable Bayes-Optimal Belief Representation Under Partial Observability
von: Kuo, Po-Chen, et al.
Veröffentlicht: (2025)

Computational Thought Experiments for a More Rigorous Philosophy and Science of the Mind
von: Oved, Iris, et al.
Veröffentlicht: (2024)

Report on Candidate Computational Indicators for Conscious Valenced Experience
von: Campero, Andres
Veröffentlicht: (2024)

A Reservoir-based Model for Human-like Perception of Complex Rhythm Pattern
von: Yuan, Zhongju, et al.
Veröffentlicht: (2025)

Disentangling the Factors of Convergence between Brains and Computer Vision Models
von: Raugel, Joséphine, et al.
Veröffentlicht: (2025)

Impact of Neuron Models on Spiking Neural Networks performance. A Complexity Based Classification Approach
von: Rudnicka, Zofia, et al.
Veröffentlicht: (2025)

Grounded Computation & Consciousness: A Framework for Exploring Consciousness in Machines & Other Organisms
von: Williams, Ryan
Veröffentlicht: (2024)

Less is More: some Computational Principles based on Parcimony, and Limitations of Natural Intelligence
von: Cohen, Laura, et al.
Veröffentlicht: (2025)

A Spiking Neural Network based on Neural Manifold for Augmenting Intracortical Brain-Computer Interface Data
von: Zheng, Shengjie, et al.
Veröffentlicht: (2022)

Naturalistic Computational Cognitive Science: Towards generalizable models and theories that capture the full range of natural behavior
von: Carvalho, Wilka, et al.
Veröffentlicht: (2025)

Understanding Human Limits in Pattern Recognition: A Computational Model of Sequential Reasoning in Rock, Paper, Scissors
von: Cross, Logan, et al.
Veröffentlicht: (2025)

A Unified Cortical Circuit Model with Divisive Normalization and Self-Excitation for Robust Representation and Memory Maintenance
von: Su, Jie, et al.
Veröffentlicht: (2025)

Computing with Canonical Microcircuits
von: Douglas, PK
Veröffentlicht: (2025)

Crafting Interpretable Embeddings by Asking LLMs Questions
von: Benara, Vinamra, et al.
Veröffentlicht: (2024)

Interpretable Dual-Filter Fuzzy Neural Networks for Affective Brain-Computer Interfaces
von: Jiang, Xiaowei, et al.
Veröffentlicht: (2025)

Continual Developmental Neurosimulation Using Embodied Computational Agents
von: Alicea, Bradly, et al.
Veröffentlicht: (2021)

Language Models Are Capable of Metacognitive Monitoring and Control of Their Internal Activations
von: Ji-An, Li, et al.
Veröffentlicht: (2025)

Learning Internal Biological Neuron Parameters and Complexity-Based Encoding for Improved Spiking Neural Networks Performance
von: Rudnicka, Zofia, et al.
Veröffentlicht: (2025)

Representational Similarity via Interpretable Visual Concepts
von: Kondapaneni, Neehar, et al.
Veröffentlicht: (2025)

Simplicity in Complexity : Explaining Visual Complexity using Deep Segmentation Models
von: Shen, Tingke, et al.
Veröffentlicht: (2024)

ELiSe: Efficient Learning of Sequences in Structured Recurrent Networks
von: Kriener, Laura, et al.
Veröffentlicht: (2024)

Reason to Play: Behavioral and Brain Alignment Between Frontier LRMs and Human Game Learners
von: Csaba, Botos, et al.
Veröffentlicht: (2026)

NeuroAI and Beyond: Bridging Between Advances in Neuroscience and ArtificialIntelligence
von: Zador, Anthony, et al.
Veröffentlicht: (2026)

OmniMouse: Scaling properties of multi-modal, multi-task Brain Models on 150B Neural Tokens
von: Willeke, Konstantin F., et al.
Veröffentlicht: (2026)

The age of spiritual machines: Language quietus induces synthetic altered states of consciousness in artificial intelligence
von: Skipper, Jeremy I, et al.
Veröffentlicht: (2024)

Neural Erosion: Emulating Controlled Neurodegeneration and Aging in AI Systems
von: Alexos, Antonios, et al.
Veröffentlicht: (2024)

The neural correlates of logical-mathematical symbol systems processing resemble that of spatial cognition more than natural language processing
von: Li, Yuannan, et al.
Veröffentlicht: (2024)