Enregistré dans:
| Auteurs principaux: | Joshi, Ananya, Cintas, Celia, Speakman, Skyler |
|---|---|
| Format: | Preprint |
| Publié: |
2025
|
| Sujets: | |
| Accès en ligne: | https://arxiv.org/abs/2506.12576 |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
Localizing Persona Representations in LLMs
par: Cintas, Celia, et autres
Publié: (2025)
par: Cintas, Celia, et autres
Publié: (2025)
Sparse Shift Autoencoders for Identifying Concepts from Large Language Model Activations
par: Joshi, Shruti, et autres
Publié: (2025)
par: Joshi, Shruti, et autres
Publié: (2025)
Constrain Alignment with Sparse Autoencoders
par: Yin, Qingyu, et autres
Publié: (2024)
par: Yin, Qingyu, et autres
Publié: (2024)
Group-SAE: Efficient Training of Sparse Autoencoders for Large Language Models via Layer Groups
par: Ghilardi, Davide, et autres
Publié: (2024)
par: Ghilardi, Davide, et autres
Publié: (2024)
Optimal Question Selection from a Large Question Bank for Clinical Field Recovery in Conversational Psychiatric Intake
par: Gui, Guan, et autres
Publié: (2026)
par: Gui, Guan, et autres
Publié: (2026)
A Survey on Sparse Autoencoders: Interpreting the Internal Mechanisms of Large Language Models
par: Shu, Dong, et autres
Publié: (2025)
par: Shu, Dong, et autres
Publié: (2025)
Denoising Concept Vectors with Sparse Autoencoders for Improved Language Model Steering
par: Zhao, Haiyan, et autres
Publié: (2025)
par: Zhao, Haiyan, et autres
Publié: (2025)
SparseRM: A Lightweight Preference Modeling with Sparse Autoencoder
par: Liu, Dengcan, et autres
Publié: (2025)
par: Liu, Dengcan, et autres
Publié: (2025)
Quantifying Feature Space Universality Across Large Language Models via Sparse Autoencoders
par: Lan, Michael, et autres
Publié: (2024)
par: Lan, Michael, et autres
Publié: (2024)
SAFER: Probing Safety in Reward Models with Sparse Autoencoder
par: Shi, Wei, et autres
Publié: (2025)
par: Shi, Wei, et autres
Publié: (2025)
Steering into New Embedding Spaces: Analyzing Cross-Lingual Alignment Induced by Model Interventions in Multilingual Language Models
par: Sundar, Anirudh, et autres
Publié: (2025)
par: Sundar, Anirudh, et autres
Publié: (2025)
S2WTM: Spherical Sliced-Wasserstein Autoencoder for Topic Modeling
par: Adhya, Suman, et autres
Publié: (2025)
par: Adhya, Suman, et autres
Publié: (2025)
Sparse Autoencoders for Hypothesis Generation
par: Movva, Rajiv, et autres
Publié: (2025)
par: Movva, Rajiv, et autres
Publié: (2025)
Dynamic Topic Evolution with Temporal Decay and Attention in Large Language Models
par: Wu, Di, et autres
Publié: (2025)
par: Wu, Di, et autres
Publié: (2025)
RedTopic: Toward Topic-Diverse Red Teaming of Large Language Models
par: Ding, Jiale, et autres
Publié: (2025)
par: Ding, Jiale, et autres
Publié: (2025)
Diversity-driven Data Selection for Language Model Tuning through Sparse Autoencoder
par: Yang, Xianjun, et autres
Publié: (2025)
par: Yang, Xianjun, et autres
Publié: (2025)
DLM-Scope: Mechanistic Interpretability of Diffusion Language Models via Sparse Autoencoders
par: Wang, Xu, et autres
Publié: (2026)
par: Wang, Xu, et autres
Publié: (2026)
Large Language Models for Automatic Detection of Sensitive Topics
par: Wen, Ruoyu, et autres
Publié: (2024)
par: Wen, Ruoyu, et autres
Publié: (2024)
A Large Language Model Guided Topic Refinement Mechanism for Short Text Modeling
par: Chang, Shuyu, et autres
Publié: (2024)
par: Chang, Shuyu, et autres
Publié: (2024)
Convergence of Outputs When Two Large Language Models Interact in a Multi-Agentic Setup
par: Maiti, Aniruddha, et autres
Publié: (2025)
par: Maiti, Aniruddha, et autres
Publié: (2025)
Fundamental Limitations of Alignment in Large Language Models
par: Wolf, Yotam, et autres
Publié: (2023)
par: Wolf, Yotam, et autres
Publié: (2023)
Benchmarking Distributional Alignment of Large Language Models
par: Meister, Nicole, et autres
Publié: (2024)
par: Meister, Nicole, et autres
Publié: (2024)
Temporal Sparse Autoencoders: Leveraging the Sequential Nature of Language for Interpretability
par: Bhalla, Usha, et autres
Publié: (2025)
par: Bhalla, Usha, et autres
Publié: (2025)
SAIF: A Sparse Autoencoder Framework for Interpreting and Steering Instruction Following of Language Models
par: He, Zirui, et autres
Publié: (2025)
par: He, Zirui, et autres
Publié: (2025)
Binary Autoencoder for Mechanistic Interpretability of Large Language Models
par: Cho, Hakaze, et autres
Publié: (2025)
par: Cho, Hakaze, et autres
Publié: (2025)
Safe-SAIL: Towards a Fine-grained Safety Landscape of Large Language Models via Sparse Autoencoder Interpretation Framework
par: Weng, Jiaqi, et autres
Publié: (2025)
par: Weng, Jiaqi, et autres
Publié: (2025)
Toward Faithful Retrieval-Augmented Generation with Sparse Autoencoders
par: Xiong, Guangzhi, et autres
Publié: (2025)
par: Xiong, Guangzhi, et autres
Publié: (2025)
Topic Segmentation Using Generative Language Models
par: Mackenzie, Pierre, et autres
Publié: (2025)
par: Mackenzie, Pierre, et autres
Publié: (2025)
Unlocking the Power of Large Language Models for Entity Alignment
par: Jiang, Xuhui, et autres
Publié: (2024)
par: Jiang, Xuhui, et autres
Publié: (2024)
Progressively Label Enhancement for Large Language Model Alignment
par: Liu, Biao, et autres
Publié: (2024)
par: Liu, Biao, et autres
Publié: (2024)
Cultural Bias and Cultural Alignment of Large Language Models
par: Tao, Yan, et autres
Publié: (2023)
par: Tao, Yan, et autres
Publié: (2023)
FLAME: Factuality-Aware Alignment for Large Language Models
par: Lin, Sheng-Chieh, et autres
Publié: (2024)
par: Lin, Sheng-Chieh, et autres
Publié: (2024)
TopicENA: Enabling Epistemic Network Analysis at Scale through Automated Topic-Based Coding
par: Lu, Owen H. T., et autres
Publié: (2026)
par: Lu, Owen H. T., et autres
Publié: (2026)
Channel-Wise Mixed-Precision Quantization for Large Language Models
par: Chen, Zihan, et autres
Publié: (2024)
par: Chen, Zihan, et autres
Publié: (2024)
Precision Knowledge Editing: Enhancing Safety in Large Language Models
par: Li, Xuying, et autres
Publié: (2024)
par: Li, Xuying, et autres
Publié: (2024)
Development of an AI Anti-Bullying System Using Large Language Model Key Topic Detection
par: Tassava, Matthew, et autres
Publié: (2024)
par: Tassava, Matthew, et autres
Publié: (2024)
ProtSAE: Disentangling and Interpreting Protein Language Models via Semantically-Guided Sparse Autoencoders
par: Liu, Xiangyu, et autres
Publié: (2025)
par: Liu, Xiangyu, et autres
Publié: (2025)
Sparse Auto-Encoders and Holism about Large Language Models
par: Grindrod, Jumbly
Publié: (2026)
par: Grindrod, Jumbly
Publié: (2026)
Sparse Autoencoder Features for Classifications and Transferability
par: Gallifant, Jack, et autres
Publié: (2025)
par: Gallifant, Jack, et autres
Publié: (2025)
In-context Autoencoder for Context Compression in a Large Language Model
par: Ge, Tao, et autres
Publié: (2023)
par: Ge, Tao, et autres
Publié: (2023)
Documents similaires
-
Localizing Persona Representations in LLMs
par: Cintas, Celia, et autres
Publié: (2025) -
Sparse Shift Autoencoders for Identifying Concepts from Large Language Model Activations
par: Joshi, Shruti, et autres
Publié: (2025) -
Constrain Alignment with Sparse Autoencoders
par: Yin, Qingyu, et autres
Publié: (2024) -
Group-SAE: Efficient Training of Sparse Autoencoders for Large Language Models via Layer Groups
par: Ghilardi, Davide, et autres
Publié: (2024) -
Optimal Question Selection from a Large Question Bank for Clinical Field Recovery in Conversational Psychiatric Intake
par: Gui, Guan, et autres
Publié: (2026)