Localized Definitions and Distributed Reasoning: A Proof-of-Concept Mechanistic Interpretability Study via Activation Patching
Fuente:
arXiv
Enregistré dans:
| Auteur principal: | Bahador, Nooshin |
|---|---|
| Format: | Preprint |
| Publié: |
2025
|
| Sujets: | |
| Accès en ligne: | |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
Mechanistic Interpretability of Fine-Tuned Vision Transformers on Distorted Images: Decoding Attention Head Behavior for Transparent and Trustworthy AI
par: Bahador, Nooshin
Publié: (2025)
par: Bahador, Nooshin
Publié: (2025)
Chirp Localization via Fine-Tuned Transformer Model: A Proof-of-Concept Study
par: Bahador, Nooshin, et autres
Publié: (2025)
par: Bahador, Nooshin, et autres
Publié: (2025)
Semi-Supervised Anomaly Detection Pipeline for SOZ Localization Using Ictal-Related Chirp
par: Bahador, Nooshin, et autres
Publié: (2025)
par: Bahador, Nooshin, et autres
Publié: (2025)
Transparent, Evaluable, and Accessible Data Agents: A Proof-of-Concept Framework
par: Bahador, Nooshin
Publié: (2025)
par: Bahador, Nooshin
Publié: (2025)
MINAR: Mechanistic Interpretability for Neural Algorithmic Reasoning
par: He, Jesse, et autres
Publié: (2026)
par: He, Jesse, et autres
Publié: (2026)
Interpretable Concept-Based Memory Reasoning
par: Debot, David, et autres
Publié: (2024)
par: Debot, David, et autres
Publié: (2024)
CORE: Concept-Oriented Reinforcement for Bridging the Definition-Application Gap in Mathematical Reasoning
par: Gao, Zijun, et autres
Publié: (2025)
par: Gao, Zijun, et autres
Publié: (2025)
Dissecting Persona-Driven Reasoning in Language Models via Activation Patching
par: Poonia, Ansh, et autres
Publié: (2025)
par: Poonia, Ansh, et autres
Publié: (2025)
Vision Transformers Exhibit Human-Like Biases: Evidence of Orientation and Color Selectivity, Categorical Perception, and Phase Transitions
par: Bahador, Nooshin
Publié: (2025)
par: Bahador, Nooshin
Publié: (2025)
Towards Mechanistic Interpretability of Graph Transformers via Attention Graphs
par: El, Batu, et autres
Publié: (2025)
par: El, Batu, et autres
Publié: (2025)
PatchDecomp: Interpretable Patch-Based Time Series Forecasting
par: Tomioka, Hiroki, et autres
Publié: (2026)
par: Tomioka, Hiroki, et autres
Publié: (2026)
Reasoning Circuits in Language Models: A Mechanistic Interpretation of Syllogistic Inference
par: Kim, Geonhee, et autres
Publié: (2024)
par: Kim, Geonhee, et autres
Publié: (2024)
Interpretable Hierarchical Concept Reasoning through Attention-Guided Graph Learning
par: Debot, David, et autres
Publié: (2025)
par: Debot, David, et autres
Publié: (2025)
Concept-Based Mechanistic Interpretability Using Structured Knowledge Graphs
par: Chorna, Sofiia, et autres
Publié: (2025)
par: Chorna, Sofiia, et autres
Publié: (2025)
Challenges in Mechanistically Interpreting Model Representations
par: Golechha, Satvik, et autres
Publié: (2024)
par: Golechha, Satvik, et autres
Publié: (2024)
Interpretable Neural-Symbolic Concept Reasoning
par: Barbiero, Pietro, et autres
Publié: (2023)
par: Barbiero, Pietro, et autres
Publié: (2023)
nnterp: A Standardized Interface for Mechanistic Interpretability of Transformers
par: Dumas, Clément
Publié: (2025)
par: Dumas, Clément
Publié: (2025)
Learning Concept Bottleneck Models from Mechanistic Explanations
par: De Santis, Antonio, et autres
Publié: (2026)
par: De Santis, Antonio, et autres
Publié: (2026)
SL-CBM: Enhancing Concept Bottleneck Models with Semantic Locality for Better Interpretability
par: Zhang, Hanwei, et autres
Publié: (2026)
par: Zhang, Hanwei, et autres
Publié: (2026)
Concept Tokens: Learning Behavioral Embeddings Through Concept Definitions
par: Sastre, Ignacio, et autres
Publié: (2026)
par: Sastre, Ignacio, et autres
Publié: (2026)
Classifying Clinical Outcome of Epilepsy Patients with Ictal Chirp Embeddings
par: Bahador, Nooshin, et autres
Publié: (2025)
par: Bahador, Nooshin, et autres
Publié: (2025)
A Survey on Mechanistic Interpretability for Multi-Modal Foundation Models
par: Lin, Zihao, et autres
Publié: (2025)
par: Lin, Zihao, et autres
Publié: (2025)
reward-lens: A Mechanistic Interpretability Library for Reward Models
par: Nadaf, Mohammed Suhail B
Publié: (2026)
par: Nadaf, Mohammed Suhail B
Publié: (2026)
Measuring the Depth of LLM Unlearning via Activation Patching
par: Lee, Jaeung, et autres
Publié: (2026)
par: Lee, Jaeung, et autres
Publié: (2026)
MIB: A Mechanistic Interpretability Benchmark
par: Mueller, Aaron, et autres
Publié: (2025)
par: Mueller, Aaron, et autres
Publié: (2025)
Faithful and Stable Neuron Explanations for Trustworthy Mechanistic Interpretability
par: Yan, Ge, et autres
Publié: (2025)
par: Yan, Ge, et autres
Publié: (2025)
Mechanistic Interpretability for Transformer-based Time Series Classification
par: Kalnāre, Matīss, et autres
Publié: (2025)
par: Kalnāre, Matīss, et autres
Publié: (2025)
Are Your Reasoning Models Reasoning or Guessing? A Mechanistic Analysis of Hierarchical Reasoning Models
par: Ren, Zirui, et autres
Publié: (2026)
par: Ren, Zirui, et autres
Publié: (2026)
A Mechanistic Analysis of Looped Reasoning Language Models
par: Blayney, Hugh, et autres
Publié: (2026)
par: Blayney, Hugh, et autres
Publié: (2026)
From Eigenmodes to Proofs: Integrating Graph Spectral Operators with Symbolic Interpretable Reasoning
par: Kiruluta, Andrew, et autres
Publié: (2025)
par: Kiruluta, Andrew, et autres
Publié: (2025)
Mind The Gap: Quantifying Mechanistic Gaps in Algorithmic Reasoning via Neural Compilation
par: Saldyt, Lucas, et autres
Publié: (2025)
par: Saldyt, Lucas, et autres
Publié: (2025)
Mechanistic Interpretability of Brain-to-Speech Models Across Speech Modes
par: Maghsoudi, Maryam, et autres
Publié: (2026)
par: Maghsoudi, Maryam, et autres
Publié: (2026)
ActivationReasoning: Logical Reasoning in Latent Activation Spaces
par: Helff, Lukas, et autres
Publié: (2025)
par: Helff, Lukas, et autres
Publié: (2025)
Towards Autonomous Mechanistic Reasoning in Virtual Cells
par: Jang, Yunhui, et autres
Publié: (2026)
par: Jang, Yunhui, et autres
Publié: (2026)
Leakage and Interpretability in Concept-Based Models
par: Parisini, Enrico, et autres
Publié: (2025)
par: Parisini, Enrico, et autres
Publié: (2025)
Hierarchical Concept-based Interpretable Models
par: Hill, Oscar, et autres
Publié: (2026)
par: Hill, Oscar, et autres
Publié: (2026)
Do Latent-CoT Models Think Step-by-Step? A Mechanistic Study on Sequential Reasoning Tasks
par: Liang, Jia, et autres
Publié: (2026)
par: Liang, Jia, et autres
Publié: (2026)
Mechanistic Interpretability as Statistical Estimation: A Variance Analysis
par: Méloux, Maxime, et autres
Publié: (2025)
par: Méloux, Maxime, et autres
Publié: (2025)
Revealing Combinatorial Reasoning of GNNs via Graph Concept Bottleneck Layer
par: Niu, Yue, et autres
Publié: (2026)
par: Niu, Yue, et autres
Publié: (2026)
Intrinsic Self-Correction in LLMs: Towards Explainable Prompting via Mechanistic Interpretability
par: Lee, Yu-Ting, et autres
Publié: (2025)
par: Lee, Yu-Ting, et autres
Publié: (2025)
Documents similaires
-
Mechanistic Interpretability of Fine-Tuned Vision Transformers on Distorted Images: Decoding Attention Head Behavior for Transparent and Trustworthy AI
par: Bahador, Nooshin
Publié: (2025) -
Chirp Localization via Fine-Tuned Transformer Model: A Proof-of-Concept Study
par: Bahador, Nooshin, et autres
Publié: (2025) -
Semi-Supervised Anomaly Detection Pipeline for SOZ Localization Using Ictal-Related Chirp
par: Bahador, Nooshin, et autres
Publié: (2025) -
Transparent, Evaluable, and Accessible Data Agents: A Proof-of-Concept Framework
par: Bahador, Nooshin
Publié: (2025) -
MINAR: Mechanistic Interpretability for Neural Algorithmic Reasoning
par: He, Jesse, et autres
Publié: (2026)