Quiz lié à un guide · Difficile Niveau

Encodeurs automatiques clairsemés pour le quiz sur l'extraction de fonctionnalités

Étudiez les dictionnaires de caractéristiques éparses et la reconstruction, avec l'expérience du Golden Gate Bridge, les latences surcomplètes, le pilotage et les limites du modèle.

Chemins de guidage associésEncodeurs automatiques clairsemés pour l'extraction de fonctionnalités
Question 1 de 8

Which interpretability difficulty motivates sparse dictionary learning for neural activations?

Prévisualisez chaque question8 des questions

Les réponses et les explications apparaissent au fur et à mesure que vous répondez au quiz.

  1. Which interpretability difficulty motivates sparse dictionary learning for neural activations?
    • Every model activation is already a complete dictionary definition
    • Several learned signals can overlap in an activation space
    • The tokenizer must be permanently removed
    • All neural weights are stored as image pixels
  2. What does an SAE sparsity constraint encourage for a given input?
    • Every feature to activate equally on every input
    • A mandatory removal of its decoder
    • A guarantee that every feature has exactly one perfect human label
    • Only a limited subset of learned feature activations to be nonzero
  3. Dans le travail « Scaling Monosemanticity » de Anthropic, quel était le célèbre exemple de fonctionnalité ?
    • La fonctionnalité du Golden Gate Bridge
    • Une fonctionnalité pour le numéro sept
    • Une fonctionnalité pour la couleur bleue uniquement
    • Une fonctionnalité pour les voyelles
  4. What does an overcomplete SAE dictionary mean?
    • It must activate every feature for every token
    • It contains no reconstruction mapping
    • It has more learned feature directions than input activation dimensions
    • It always requires less storage than the input vector
  5. What does a monosemantic feature label aim to describe in this research context?
    • A guarantee that the feature never responds to related examples
    • A feature associated with one interpretable concept
    • A language model that has only one parameter
    • A token represented by exactly one raw byte
  6. Comment les SAE peuvent-ils être utilisés pour influencer le comportement d’un modèle ?
    • En activant ou désactivant une fonctionnalité pour orienter les sorties
    • En recyclant l'ensemble du modèle à partir de zéro
    • En supprimant le tokenizer
    • En le convertissant en modèle d'image
  7. What does an SAE’s reconstruction residual measure for an activation vector?
    • The difference between two unrelated document titles
    • The total number of words in the model vocabulary
    • Only the model’s hardware temperature
    • The difference between the original activation and its decoded reconstruction
  8. When an SAE is fitted to collected activations of a frozen language model, which weights need to be trained for that fitting?
    • Every original language-model weight must be updated
    • Only the tokenizer’s character list
    • The SAE’s own encoder and decoder weights
    • No parameters of the SAE can change