跳到正文
原文
arXiv:可解释性· arXiv:2610.07583· Madelyn Mathai, Timothy B. Higgins, Kevin M. Grise, Chirag Agarwal, Antonios Mamalakis·本站收录 · 原文发表 日期未标

GraphCast 大气河机制的机制可解释性研究

Mechanistic Interpretability of Atmospheric Rivers in GraphCast

AI 导读

研究团队在 GraphCast 上训练稀疏自编码器(SAE),发现该 AI 天气模型将大气河强度(以积分水汽输送 IVT 衡量)作为稳定的内部变量进行计算,尽管 IVT 既非输入也非预测目标。标准 SAE 与 Matryoshka SAE 均能捕捉这一变量,后者还按重要性排序并揭示概念间关系;大气河概念贯穿模型各层,直接干预实验证实了其因果作用。

阅读原文arxiv.org