Copertina

Exemplar Partitioning for Mechanistic Interpretability

Fuente: arXiv

Salvato in:

Dettagli Bibliografici
Autore principale:	Rumbelow, Jessica
Natura:	Preprint
Pubblicazione:	2026
Soggetti:	Machine Learning
Accesso online:	Acceder al recurso
Tags:	Aggiungi Tag Nessun Tag, puoi essere il primo ad aggiungerne!!

Documenti analoghi

Open Problems in Mechanistic Interpretability
di: Sharkey, Lee, et al.
Pubblicazione: (2025)

From Mechanistic to Compositional Interpretability
di: Gauderis, Ward, et al.
Pubblicazione: (2026)

Mechanistic Interpretability for Neural TSP Solvers
di: Narad, Reuben, et al.
Pubblicazione: (2025)

Mechanistic Interpretability of Reinforcement Learning Agents
di: Trim, Tristan, et al.
Pubblicazione: (2024)

Validating Mechanistic Interpretations: An Axiomatic Approach
di: Palumbo, Nils, et al.
Pubblicazione: (2024)

GnnXemplar: Exemplars to Explanations -- Natural Language Rules for Global GNN Interpretability
di: Armgaan, Burouj, et al.
Pubblicazione: (2025)

Geospatial Mechanistic Interpretability of Large Language Models
di: De Sabbata, Stef, et al.
Pubblicazione: (2025)

Using Degeneracy in the Loss Landscape for Mechanistic Interpretability
di: Bushnaq, Lucius, et al.
Pubblicazione: (2024)

The SaTML '24 CNN Interpretability Competition: New Innovations for Concept-Level Interpretability
di: Casper, Stephen, et al.
Pubblicazione: (2024)

Bridging Mechanistic Interpretability and Prompt Engineering with Gradient Ascent for Interpretable Persona Control
di: Saini, Harshvardhan, et al.
Pubblicazione: (2026)

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

Mechanistic Interpretability of Binary and Ternary Transformers
di: Li, Jason
Pubblicazione: (2024)

Mechanistic Interpretability of RNNs emulating Hidden Markov Models
di: Torre, Elia, et al.
Pubblicazione: (2025)

Interpretable Deep Learning for Polar Mechanistic Reaction Prediction
di: Miller, Ryan J., et al.
Pubblicazione: (2025)

When Are Two Networks the Same? Tensor Similarity for Mechanistic Interpretability
di: Gonzalez, ML Nissen, et al.
Pubblicazione: (2026)

Group Equivariance Meets Mechanistic Interpretability: Equivariant Sparse Autoencoders
di: Erdogan, Ege, et al.
Pubblicazione: (2025)

MINAR: Mechanistic Interpretability for Neural Algorithmic Reasoning
di: He, Jesse, et al.
Pubblicazione: (2026)

Triangulation as an Acceptance Rule for Multilingual Mechanistic Interpretability
di: Long, Yanan
Pubblicazione: (2025)

Exemplar-Free Continual Learning for State Space Models
di: Lee, Isaac Ning, et al.
Pubblicazione: (2025)

EXPLORA: Efficient Exemplar Subset Selection for Complex Reasoning
di: Purohit, Kiran, et al.
Pubblicazione: (2024)

MIB: A Mechanistic Interpretability Benchmark
di: Mueller, Aaron, et al.
Pubblicazione: (2025)

Putting a Face to Forgetting: Continual Learning meets Mechanistic Interpretability
di: Masip, Sergi, et al.
Pubblicazione: (2026)

The Non-Linear Representation Dilemma: Is Causal Abstraction Enough for Mechanistic Interpretability?
di: Sutter, Denis, et al.
Pubblicazione: (2025)

InterpBench: Semi-Synthetic Transformers for Evaluating Mechanistic Interpretability Techniques
di: Gupta, Rohan, et al.
Pubblicazione: (2024)

Resurrecting the Salmon: Rethinking Mechanistic Interpretability with Domain-Specific Sparse Autoencoders
di: O'Neill, Charles, et al.
Pubblicazione: (2025)

Unboxing the Black Box: Mechanistic Interpretability for Algorithmic Understanding of Neural Networks
di: Kowalska, Bianka, et al.
Pubblicazione: (2025)

Tracking Equivalent Mechanistic Interpretations Across Neural Networks
di: Sun, Alan, et al.
Pubblicazione: (2026)

nnterp: A Standardized Interface for Mechanistic Interpretability of Transformers
di: Dumas, Clément
Pubblicazione: (2025)

Faithful and Stable Neuron Explanations for Trustworthy Mechanistic Interpretability
di: Yan, Ge, et al.
Pubblicazione: (2025)

Mechanistic Interpretability for Transformer-based Time Series Classification
di: Kalnāre, Matīss, et al.
Pubblicazione: (2025)

OceanCBM: A Concept Bottleneck Model for Mechanistic Interpretability in Ocean Forecasting
di: Suri, Sanah, et al.
Pubblicazione: (2026)

MechRL: Reinforcement Learning Agents Perform Circuit Discovery for Mechanistic Interpretability
di: Khadka, Barsat
Pubblicazione: (2026)

A Multi-Level Causal Intervention Framework for Mechanistic Interpretability in Variational Autoencoders
di: Roy, Dip, et al.
Pubblicazione: (2025)

Exemplar-condensed Federated Class-incremental Learning
di: Sun, Rui, et al.
Pubblicazione: (2024)

Mechanistic Interpretability with Sparse Autoencoder Neural Operators
di: Tolooshams, Bahareh, et al.
Pubblicazione: (2025)

Mechanistic Interpretability of Brain-to-Speech Models Across Speech Modes
di: Maghsoudi, Maryam, et al.
Pubblicazione: (2026)

reward-lens: A Mechanistic Interpretability Library for Reward Models
di: Nadaf, Mohammed Suhail B
Pubblicazione: (2026)

Compact Proofs of Model Performance via Mechanistic Interpretability
di: Gross, Jason, et al.
Pubblicazione: (2024)

Mechanistic Interpretability of Code Correctness in LLMs via Sparse Autoencoders
di: Tahimic, Kriz, et al.
Pubblicazione: (2025)

Towards Mechanistic Interpretability of Graph Transformers via Attention Graphs
di: El, Batu, et al.
Pubblicazione: (2025)