WISE 与 JuntaLearner：交互感知的电路发现
原文标题：Slaying the Hydra: Interaction-Aware Circuit Discovery in Language Models
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
针对机制可解释性中逐组件打分忽略上下文交互的问题，论文提出见证集成集合效应（WISE）因果估计量，避免组合枚举。基于此的 JuntaLearner 通过梯度方法按因果影响对组件排序，在多个任务与模型规模上取得更高电路识别分数，且成本不随候选组件数增长。
- 问题
- 机制可解释性中逐组件打分忽略上下文交互，导致组件排序失真。
- 方法
- 提出WISE因果估计量避免组合枚举，并基于此构建梯度方法JuntaLearner，按因果影响对组件排序。
- 结果
- 在多个任务与递增模型规模上，各项指标的平均电路识别分数均高于归因基线，且成本不随候选组件数增长。
- 影响
- 让电路发现可扩展到大规模模型，为定位模型行为来源提供更可靠的排序工具。
深读 · 结论先行AI 生成展开看要点与影响 ↓
WISE因果估计量避免组合枚举，JuntaLearner在多个任务与模型规模上取得更高电路识别分数。
- •问题：逐组件打分忽略上下文交互，主组件可能抑制备份组件激活，导致排序错误
- •WISE对原因集合与见证集合取期望，避免实际因果中见证估计所需的组合枚举
- •JuntaLearner是基于梯度的电路发现方法，按因果影响对组件排序，可跨不同大小的组件与见证集合
- •引入必要性、任务特异性指标及电路识别分数CRS，强调小电路取得的效果
- •在所有指标上平均CRS均高于归因基线，且成本不随候选组件数增长，可扩展到大模型
为什么重要：机制可解释性中电路定位的准确性与可扩展性同时受限，该方法对做模型内部行为定位的研究者有直接方法价值。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。