可解释性并非特定于模型

原文：Interpretability Is Not Model-Specific

可解释性工具通常一次为一个模型构建：拒绝方向、真实性探测或转向向量是通过其解释的模型内的标记数据找到的。我们询问是否可以通过仅适合未标记提示的残差流之间的映射将此类工具带到其他模型。我们转移拒绝方向，通过添加和消融进行因果测试，以及两个原因

正文由本站服务器抓取保存（已自动过滤广告、推荐位与追踪图片），排版与原站可能不同；版权归原站所有。