Berkeley AI Research Blog·· 2026-03-13AI 评估 · 47/100分数表示内容值得关注的程度,依据实质份量、信息增量、证据强度、读者相关性和可用性,按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误,评分不代表事实已被核实,也不同于热点榜的讨论热度。
Berkeley 提出 SPEX 与 ProxySPEX:大规模识别 LLM 关键交互
Identifying Interactions at Scale for LLMs
AI 导读
伯克利 AI 研究团队提出 SPEX 与 ProxySPEX 算法,用于在特征、数据和模型组件三类归因中大规模识别 LLM 的关键交互。SPEX 利用交互的稀疏性与低阶性,将搜索问题转化为稀疏恢复问题;ProxySPEX 进一步利用层级结构,在约少 10 倍消融次数下达到 SPEX 的性能。
来源:Berkeley AI Research Blog · bair.berkeley.edu