研究将任务向量分解为可解释可控组件
热点事件持续更新
研究将任务向量分解为可解释可控组件
1 篇报道1 个报道来源9 小时前更新
先了解这件事
AI 综述
Yukiya Horiba 等作者提交的论文提出，将单个任务向量（TV）按任务识别（TR）与任务学习（TL）分解为 TR、TL 和残差三个组件，并用贝叶斯优化调整 TR/TL 系数。 作者称，在多个模型族、分类任务以及基于指令和示例的 TV 上，该分解找到的干预方向优于原始 TV，其中基于指令的 TV 增益更稳定；对分解组件单独干预产生的 logit 层面效果与其预期功能角色一致。
AI 根据报道生成 · 58 分钟前更新
最新进展11月2日 13:00
任务向量可线性分解为可解释、可控的组件报道时间线
沿着报道，了解事件的不同侧面。
11月2日
- arXiv cs.CL任务向量可线性分解为可解释、可控的组件
研究提出将单个任务向量（TV）按任务识别（TR）与任务学习（TL）分解为 TR、TL 和残差组件，并用贝叶斯优化调整 TR/TL 系数。在多个模型族、分类任务及基于指令和示例的 TV 上，该分解找到的干预方向优于原始 TV，其中基于指令的 TV 增益更稳定。对分解组件的单独干预产生的 logit 层面效果与其预期功能角色一致。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。