OpenAI新研究破解GPT-4大脑,分解1600万个特征打开“黑匣子”,Ilya 、Jan Leike也参与了!

https://cdn.openai.com/papers/sparse-autoencoders.pdf

这份论文探讨了稀疏自编码器(SAE)在语言模型中的应用,旨在从语言模型中提取可解释的特征。论文的主要贡献包括:
1. 训练方法

  • 提出了一种训练大型稀疏自编码器的新方法,该方法能够有效地控制稀疏性,并减少"死"潜在特征的数量。
  • 使用了 TopK 激活函数,直接控制潜在特征的活跃数量,简化了模型调优,并改善了重建-稀疏性权衡。
  • 引入了辅助损失函数,用于减少"死"潜在特征的数量。
    2. 规模定律
  • 系统地研究了稀疏自编码器的规模定律,包括潜在特征数量、稀疏性和语言模型规模之间的关系。
  • 发现了清晰的规模定律,并训练了一个包含 1600 万潜在特征的 SAE,用于 GPT-4 激活。
    3. 特征质量评估
  • 引入了一系列新的指标,用于评估潜在特征的质量,包括:
    • 下游损失:评估 SAE 重建的潜在特征对语言模型行为的影响。
    • 探测损失:评估 SAE 是否能够恢复假设的特征。
    • 可解释性:评估潜在特征的激活模式是否可以解释。
    • 消融稀疏性:评估消融单个潜在特征对下游 logits 的影响是否稀疏。
  • 发现大型稀疏自编码器通常在这些指标上表现更好。
    4. TopK 激活函数
  • 解释了 TopK 激活函数如何避免激活收缩,并优于其他激活函数。
  • 研究了 TopK 激活函数的渐进恢复特性,并提出了 Multi-TopK 方法来改善其泛化能力。
    5. 未来方向
  • 讨论了稀疏自编码器的局限性,并提出了未来的改进方向,例如:
    • 使用更灵活的潜在特征数量约束。
    • 改进优化方法。
    • 研究更有效的特征质量评估指标。
    • 探索将 MoE 与自编码器结合的方法。
    • 研究 GPT-4 中发现的复杂特征。
      总结
      这份论文为训练大型稀疏自编码器并评估其特征质量提供了重要的见解和方法。稀疏自编码器在语言模型的可解释性研究中具有巨大的潜力,并为理解语言模型的内部机制提供了新的工具。
相关推荐
lu_rong_qq14 分钟前
决策树 DecisionTreeClassifier() 模型参数介绍
算法·决策树·机器学习
HPC_fac1305206781618 分钟前
科研深度学习:如何精选GPU以优化服务器性能
服务器·人工智能·深度学习·神经网络·机器学习·数据挖掘·gpu算力
猎嘤一号1 小时前
个人笔记本安装CUDA并配合Pytorch使用NVIDIA GPU训练神经网络的计算以及CPUvsGPU计算时间的测试代码
人工智能·pytorch·神经网络
天润融通1 小时前
天润融通携手挚达科技:AI技术重塑客户服务体验
人工智能
Elastic 中国社区官方博客3 小时前
使用 Elastic AI Assistant for Search 和 Azure OpenAI 实现从 0 到 60 的转变
大数据·人工智能·elasticsearch·microsoft·搜索引擎·ai·azure
江_小_白4 小时前
自动驾驶之激光雷达
人工智能·机器学习·自动驾驶
yusaisai大鱼6 小时前
TensorFlow如何调用GPU?
人工智能·tensorflow
珠海新立电子科技有限公司8 小时前
FPC柔性线路板与智能生活的融合
人工智能·生活·制造
IT古董8 小时前
【机器学习】机器学习中用到的高等数学知识-8. 图论 (Graph Theory)
人工智能·机器学习·图论
曼城周杰伦8 小时前
自然语言处理:第六十三章 阿里Qwen2 & 2.5系列
人工智能·阿里云·语言模型·自然语言处理·chatgpt·nlp·gpt-3