Transformer Circuits（Anthropic 可解释性）·2025-07-31 08:00· 2025-07-31

Anthropic 用特征交互追踪注意力计算并整合进归因图

Tracing Attention Computation Through Feature Interactions

AI 导读

Anthropic 提出一种用特征交互解释注意力模式的方法，并将该信息整合进归因图。该方法用于追踪注意力计算过程，把注意力模式拆解为可解释的特征交互关系。