Mechanistische Tomografie: Designte Messung für kontrolliorientierte Interpretierbarkeit
arXiv:2608.19338v1 Ankündigungstyp: neu Abstract: Mechanistische Interpretierbarkeit sucht nach Größen, die Modelle nicht direkt offenlegen: repräsentierte Zustände, Komponenten-Effekte, Interaktionen und Reaktionen auf Interventionen. Patching, Gradienten, Hessian-Vektor-Produkte und Subset-Interventionen bieten unterschiedliche