#解釈可能性のAIニュース

11件の記事

IMDb感情分析：DistilBERT LoRAとTF-IDF比較・校正・解釈性テスト

Stanford NLPのIMDb映画レビューデータセットを用い、TF-IDFベースラインとLoRAによるDistilBERT微調整を比較するエンドツーエンドの感情分析ワークフローを開発し、データ監査や校正、解釈性評価を含む手法を示した。

TLDR AI は、モデルが人間の言うような意識的な推論を行うための領域である「J-Space」について解説しました。これはヤコビアンレンズと呼ばれる解釈手法に基づき、各層における概念の関連性を追跡可能にします。

Apple Machine Learning は、AI の安全出力を定義するポリシーにおいて、アノテーションの不一致が運用ミスや政策の曖昧さ、価値観の多様性など複数の要因に起因することを明らかにし、これらの原因を解釈可能性技術で区別する重要性を説明した。

Anthropicは、大規模言語モデルが感情関連概念を内部でどのように表現し、それらの表現が行動にどのような影響を与えるかをClaude Sonnet 4.5の内部活性化を分析することで検証した。