具身智能arXiv cs.RO4 天前
A Phenomenology of Neural Geometry in Vision-Language-Action Models
该论文研究视觉-语言-动作（VLA）策略内部表征的几何形状，通过线性探针与激活干预，对七个任务相关概念建立分类体系。发现概念几何多为多维且受物理约束塑造，如关节限位使腕部朝向呈弧而非圆，距离由粗/细两个正交子空间表示。该几何在多个模型与真实数据中复现，并可用于引导操控，表明概念形状与可读性同等重要。
AI 与各行业落地的前沿信号寻行业之脉
寻行业之脉
接真实之需
每日自动追踪全球权威信源，模型生成中文摘要与有效期判断，人工抽检把关。 不追热点，只留经得起推敲的那一部分。
249
累计条目
0
今日新增
12
权威信源
采集中每日 02:00 · UTC+8
L1 摘要
全量
L2 深度
0
人工抽检
每日
按领域浏览
AI 与可被 AI 赋能的行业方向，每个领域独立成脉
筛选结果
共 8 条符合条件
当前筛选#interpretability×
具身智能arXiv cs.RO4 天前
Multi-Dimensional Featurizers Yield Fine-Grained Steering and Data Shaping in Robot Foundation Models
该论文将视觉语言模型中的块稀疏特征化器（BSF）引入机器人视觉-语言-动作模型，恢复出感知、语言、本体状态、任务阶段等多维可解释特征，并通过细粒度干预实现可预测的动作控制，还能定位训练数据中不足1.4%的关键token以移除特定行为，为机器人策略的可解释性与数据治理提供新工具。
具身智能arXiv cs.RO4 天前
Causal Analysis of Robot Foundation Models Enables Efficiency Gains
研究对三个前沿视觉-语言-动作（VLA）模型做机制性因果分析，发现动作专家仅通过中后段少量交叉注意力层（动作条件接口）接收关键信息，且物体选择与空间信息分层存储。据此将 MolmoBot 的条件层从 36 层减至 3 层，推理 FLOPs 降 33%，3000 次评测成功率基本持平，并已在真机部署验证。
行业落地arXiv cs.LG4 天前
Clinically Interpretable Biological Age Estimation Using CatBoost and SHAP with Continuous and Categorical Features from NHANES
该研究基于NHANES近2.5万成年人数据，用CatBoost结合44项人口学、实验室、体检与生活方式特征（含分类变量）估计生物学年龄，并提出在SHAP依赖图上自动量化特征取值范围、效应幅度与零交叉阈值的流程。模型估计年龄与真实年龄相关r=0.798，提升了可解释性与可复现性，为衰老研究与精准健康提供可扩展方法基础。
大模型arXiv cs.LG4 天前
Interpreting Language Model Parameters
该论文提出对抗性参数分解（VPD）方法，将语言模型参数拆解为简单子组件，使网络在大量子组件被对抗性消融后仍保持输入输出行为，从而支持对参数级计算机制的电路分析，推进机械可解释性研究。
大模型arXiv cs.LG4 天前
Diminishing Returns of Data in Sparse Autoencoders: Functional Behavior does not Guarantee Feature Reproducibility
研究稀疏自编码器（SAE）训练所需的数据量，发现功能指标（如重构）在小数据预算下即可接近全量参考，但特征一一复现性随数据持续提升，且随机采样优于多样性采样。该工作揭示数据效率与目标匹配的重要性，为更廉价可靠的 SAE 研究提供依据。
大模型arXiv cs.CL4 天前
Learning to Read Out: Unembedding Dynamics in Language Model Pretraining
论文提出参数轨迹交叉编码方法，仅用检查点权重追踪语言模型预训练中反嵌入矩阵（读出层）的演化。发现Pythia预训练0.4-1.1%处读出层重组，而隐藏状态早已编码任务信息，说明行为时间线可能只反映读出层学会表达的时刻，而非模型真正习得能力的时刻。
大模型arXiv cs.CL4 天前
Can LLMs Anticipate Their Cruxes?
论文研究如何从语言模型输出中提取影响决策的关键子问题（cruxes），提出三种成本递增的策略：先验询问、单次推理后提取、多次采样对比提取。实验发现前两种廉价方法均不足以识别完整关键因素，高 stakes 决策仍需多次采样，但可用 reranker 将成本降至 judge 的约 1/86。