研究者提出Jacobian Scopes token级归因方法
热点事件持续更新
研究者提出Jacobian Scopes token级归因方法
1 篇报道1 个报道来源12 小时前更新
先了解这件事
AI 综述
Toni J. B. Liu等作者提出Jacobian Scopes，一套基于梯度的Token级因果归因方法，用于解释大语言模型预测中哪些输入Token影响最大。 据作者描述，该方法可量化特定logit、完整预测分布与模型不确定性（有效温度）。目前尚无独立验证或应用结果。
AI 根据报道生成 · 2 小时前更新
最新进展10月31日 12:00
Jacobian Scopes：面向 LLM Token 级归因的统一几何框架报道时间线
沿着报道，了解事件的不同侧面。
10月31日
- arXiv cs.AIJacobian Scopes：面向 LLM Token 级归因的统一几何框架
研究者提出 Jacobian Scopes，一套基于梯度的 Token 级因果归因方法，用于解释 LLM 预测中哪些输入 Token 影响最大，可量化特定 logit、完整预测分布与模型不确定性（有效温度）。
本事件热度走势
- 可比范围当前
- 7
- 可比范围峰值
- 810月31日 22:00
- 近 24 小时变化
- –
02468
22:0023:0011月1日
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。