arXiv cs.AI· Luyang Zhang, Minxing Zheng, Jialu Wang·· 1 天前AI 评分37
Guided-AP：用少量精确测量修正 attribution patching 的估计误差
Correcting Attribution Patching with a Few Exact Measurements
AI 导读
arXiv 论文提出 Guided-AP 方法，用少量精确 activation patching 测量来揭示并修正 attribution patching 的估计误差。在单个 prompt 上，多种行为的误差最多降低 26%；跨多个 prompt 时，学到的修正将事实补全任务平均效应的误差降低 75% 至 79%，同时控制了验证成本。
来源：arXiv cs.AI · arxiv.org