自動解釈ラベルの汎化性：言語、表記体系、言い換え間での管理研究

ニュース概要

スパースオートエンコーダ（SAE）特性は言語モデルの解釈に益々利用されており、自動生成された自然言語ラベルが各特性の表現内容を理解するための主要なインターフェースとなっています。これらのラベルが汎化するかどうか、つまり概念に対してラベル付けされた特性が実際にそれを追跡するかどうかを検討します。