BatchTopK Sparse Autoencoders
Fuente:
arXiv
Enregistré dans:
| Auteurs principaux: | Bussmann, Bart, Leask, Patrick, Nanda, Neel |
|---|---|
| Format: | Preprint |
| Publié: |
2024
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
Sparse Autoencoders Do Not Find Canonical Units of Analysis
par: Leask, Patrick, et autres
Publié: (2025)
par: Leask, Patrick, et autres
Publié: (2025)
Learning Multi-Level Features with Matryoshka Sparse Autoencoders
par: Bussmann, Bart, et autres
Publié: (2025)
par: Bussmann, Bart, et autres
Publié: (2025)
Are Sparse Autoencoders Useful? A Case Study in Sparse Probing
par: Kantamneni, Subhash, et autres
Publié: (2025)
par: Kantamneni, Subhash, et autres
Publié: (2025)
Interpretable Embeddings with Sparse Autoencoders: A Data Analysis Toolkit
par: Jiang, Nick, et autres
Publié: (2025)
par: Jiang, Nick, et autres
Publié: (2025)
Minimal and Mechanistic Conditions for Behavioral Self-Awareness in LLMs
par: Bozoukov, Matthew, et autres
Publié: (2025)
par: Bozoukov, Matthew, et autres
Publié: (2025)
Improving Dictionary Learning with Gated Sparse Autoencoders
par: Rajamanoharan, Senthooran, et autres
Publié: (2024)
par: Rajamanoharan, Senthooran, et autres
Publié: (2024)
AbsTopK: Rethinking Sparse Autoencoders For Bidirectional Features
par: Zhu, Xudong, et autres
Publié: (2025)
par: Zhu, Xudong, et autres
Publié: (2025)
ReSAE: Residualized Sparse Autoencoders for Multi-Layer Transformer Interventions
par: Poduval, Prathyush, et autres
Publié: (2026)
par: Poduval, Prathyush, et autres
Publié: (2026)
Inference-Time Decomposition of Activations (ITDA): A Scalable Approach to Interpreting Large Language Models
par: Leask, Patrick, et autres
Publié: (2025)
par: Leask, Patrick, et autres
Publié: (2025)
Gemma Scope: Open Sparse Autoencoders Everywhere All At Once on Gemma 2
par: Lieberum, Tom, et autres
Publié: (2024)
par: Lieberum, Tom, et autres
Publié: (2024)
Explorations of Self-Repair in Language Models
par: Rushing, Cody, et autres
Publié: (2024)
par: Rushing, Cody, et autres
Publié: (2024)
Towards Best Practices of Activation Patching in Language Models: Metrics and Methods
par: Zhang, Fred, et autres
Publié: (2023)
par: Zhang, Fred, et autres
Publié: (2023)
Bidirectional Variational Autoencoders
par: Kosko, Bart, et autres
Publié: (2025)
par: Kosko, Bart, et autres
Publié: (2025)
Towards Principled Evaluations of Sparse Autoencoders for Interpretability and Control
par: Makelov, Aleksandar, et autres
Publié: (2024)
par: Makelov, Aleksandar, et autres
Publié: (2024)
Convergent Linear Representations of Emergent Misalignment
par: Soligo, Anna, et autres
Publié: (2025)
par: Soligo, Anna, et autres
Publié: (2025)
Sparse Autoencoders, Again?
par: Lu, Yin, et autres
Publié: (2025)
par: Lu, Yin, et autres
Publié: (2025)
Are Sparse Autoencoder Benchmarks Reliable?
par: Chanin, David
Publié: (2026)
par: Chanin, David
Publié: (2026)
Model Organisms for Emergent Misalignment
par: Turner, Edward, et autres
Publié: (2025)
par: Turner, Edward, et autres
Publié: (2025)
Understanding Reasoning in Thinking Language Models via Steering Vectors
par: Venhoff, Constantin, et autres
Publié: (2025)
par: Venhoff, Constantin, et autres
Publié: (2025)
Base Models Know How to Reason, Thinking Models Learn When
par: Venhoff, Constantin, et autres
Publié: (2025)
par: Venhoff, Constantin, et autres
Publié: (2025)
Improving Sparse Autoencoder with Dynamic Attention
par: Wang, Dongsheng, et autres
Publié: (2026)
par: Wang, Dongsheng, et autres
Publié: (2026)
Decoding as Optimisation on the Probability Simplex: From Top-K to Top-P (Nucleus) to Best-of-K Samplers
par: Ji, Xiaotong, et autres
Publié: (2026)
par: Ji, Xiaotong, et autres
Publié: (2026)
Do I Know This Entity? Knowledge Awareness and Hallucinations in Language Models
par: Ferrando, Javier, et autres
Publié: (2024)
par: Ferrando, Javier, et autres
Publié: (2024)
Adaptive Sparse Allocation with Mutual Choice & Feature Choice Sparse Autoencoders
par: Ayonrinde, Kola
Publié: (2024)
par: Ayonrinde, Kola
Publié: (2024)
Empirical Evaluation of Progressive Coding for Sparse Autoencoders
par: Peter, Hans, et autres
Publié: (2025)
par: Peter, Hans, et autres
Publié: (2025)
Do Sparse Autoencoders Capture Concept Manifolds?
par: Bhalla, Usha, et autres
Publié: (2026)
par: Bhalla, Usha, et autres
Publié: (2026)
On the transferability of Sparse Autoencoders for interpreting compressed models
par: Gupte, Suchit, et autres
Publié: (2025)
par: Gupte, Suchit, et autres
Publié: (2025)
Data Whitening Improves Sparse Autoencoder Learning
par: Saraswatula, Ashwin, et autres
Publié: (2025)
par: Saraswatula, Ashwin, et autres
Publié: (2025)
Improving Robustness In Sparse Autoencoders via Masked Regularization
par: Narayanaswamy, Vivek, et autres
Publié: (2026)
par: Narayanaswamy, Vivek, et autres
Publié: (2026)
Evaluating and Designing Sparse Autoencoders by Approximating Quasi-Orthogonality
par: Lee, Sewoong, et autres
Publié: (2025)
par: Lee, Sewoong, et autres
Publié: (2025)
Graph-Regularized Sparse Autoencoders for LLM Safety Steering
par: Yeon, Jehyeok, et autres
Publié: (2025)
par: Yeon, Jehyeok, et autres
Publié: (2025)
Thought Branches: Interpreting LLM Reasoning Requires Resampling
par: Macar, Uzay, et autres
Publié: (2025)
par: Macar, Uzay, et autres
Publié: (2025)
Thought Anchors: Which LLM Reasoning Steps Matter?
par: Bogdan, Paul C., et autres
Publié: (2025)
par: Bogdan, Paul C., et autres
Publié: (2025)
Evaluating Sparse Autoencoders on Targeted Concept Erasure Tasks
par: Karvonen, Adam, et autres
Publié: (2024)
par: Karvonen, Adam, et autres
Publié: (2024)
Beyond Redundancy: Diverse and Specialized Multi-Expert Sparse Autoencoder
par: Xu, Zhen, et autres
Publié: (2025)
par: Xu, Zhen, et autres
Publié: (2025)
Projecting Assumptions: The Duality Between Sparse Autoencoders and Concept Geometry
par: Hindupur, Sai Sumedh R., et autres
Publié: (2025)
par: Hindupur, Sai Sumedh R., et autres
Publié: (2025)
Don't Forget It! Conditional Sparse Autoencoder Clamping Works for Unlearning
par: Khoriaty, Matthew, et autres
Publié: (2025)
par: Khoriaty, Matthew, et autres
Publié: (2025)
Interpreting Attention Layer Outputs with Sparse Autoencoders
par: Kissane, Connor, et autres
Publié: (2024)
par: Kissane, Connor, et autres
Publié: (2024)
What's the plan? Metrics for implicit planning in LLMs and their application to rhyme generation and question answering
par: Maar, Jim, et autres
Publié: (2026)
par: Maar, Jim, et autres
Publié: (2026)
Scaling sparse feature circuit finding for in-context learning
par: Kharlapenko, Dmitrii, et autres
Publié: (2025)
par: Kharlapenko, Dmitrii, et autres
Publié: (2025)
Documents similaires
-
Sparse Autoencoders Do Not Find Canonical Units of Analysis
par: Leask, Patrick, et autres
Publié: (2025) -
Learning Multi-Level Features with Matryoshka Sparse Autoencoders
par: Bussmann, Bart, et autres
Publié: (2025) -
Are Sparse Autoencoders Useful? A Case Study in Sparse Probing
par: Kantamneni, Subhash, et autres
Publié: (2025) -
Interpretable Embeddings with Sparse Autoencoders: A Data Analysis Toolkit
par: Jiang, Nick, et autres
Publié: (2025) -
Minimal and Mechanistic Conditions for Behavioral Self-Awareness in LLMs
par: Bozoukov, Matthew, et autres
Publié: (2025)