研究者提出Jacobian Scopes令牌级归因框架
热点事件持续更新
研究者提出Jacobian Scopes令牌级归因框架
1 篇报道1 个报道来源16 小时前更新
先了解这件事
AI 综述
2026年10月30日，arXiv Artificial Intelligence 刊出研究，Toni J. B. Liu 等作者提出 Jacobian Scopes——一套基于梯度的 Token 级因果归因方法，用于解释 LLM 预测中哪些输入 Token 影响最大。据该报道，在 LAMBADA 和 IWSLT2017 的 Token 消融忠实性基准上，分布级 Fisher 与 Temperature Scopes 在六个 LLM 的 12 个模型-数据集设置中有 10 个显著优于既有梯度归因方法。目前事件进展限于该框架的提出与上述基准评测结果，报道未涉及其他应用场景或后续跟进。
AI 根据报道生成 · 2 小时前更新
最新进展10月30日 12:00
Jacobian Scopes：面向 Token 级 LLM 归因的统一几何框架报道时间线
沿着报道，了解事件的不同侧面。
10月30日
- arXiv Artificial IntelligenceJacobian Scopes：面向 Token 级 LLM 归因的统一几何框架
研究者提出 Jacobian Scopes，一套基于梯度的 Token 级因果归因方法，用于解释 LLM 预测中哪些输入 Token 影响最大。在 LAMBADA 和 IWSLT2017 的 Token 消融忠实性基准上，分布级 Fisher 与 Temperature Scopes 在六个 LLM 的 12 个模型-数据集设置中有 10 个显著优于既有梯度归因方法。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。