Bộ mã hóa tự động thưa thớt cho bài kiểm tra trích xuất tính năng

Câu trả lời và giải thích xuất hiện khi bạn làm bài kiểm tra.

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. Trong tác phẩm 'Scaling Monosemanticity' của Anthropic, tính năng ví dụ nổi tiếng là gì?
   • Đặc điểm của Cầu Cổng Vàng
   • Một đặc điểm của số bảy
   • Một tính năng chỉ dành cho màu xanh lam
   • Một tính năng cho nguyên âm
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. SAE có thể được sử dụng như thế nào để tác động đến hành vi của mô hình?
   • Bằng cách bật hoặc tắt một tính năng để điều khiển đầu ra
   • Bằng cách đào tạo lại toàn bộ mô hình từ đầu
   • Bằng cách xóa mã thông báo
   • Bằng cách chuyển đổi nó thành một mô hình hình ảnh
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