Interpretability

Activation Steeringにおける文章崩壊の抑制に向けた初期検討
NLP 若手の会 (YANS) 第 21 回シンポジウム，2026.
Poster
Activation Steeringにおける文章崩壊の抑制に向けた初期検討
[Journal Club] Natural Language Autoencoders Produce Unsupervised Explanations of LLM Activations
大規模言語モデルが入力に反応する理由を自然言語で説明する手法を紹介
Jun 5, 2026 12:00 PM — 12:00 PM Online
Slides
[Journal Club] Natural Language Autoencoders Produce Unsupervised Explanations of LLM Activations
MLP の重みを反映した Sparse Autoencoder の初期化手法の提案
言語処理学会第 32 回年次大会，2026.
PDF Poster
MLP の重みを反映した Sparse Autoencoder の初期化手法の提案
ステアリングベクトルは日本語LLMを堅牢に制御できるか？
言語処理学会第 32 回年次大会，2026.
PDF Poster
ステアリングベクトルは日本語LLMを堅牢に制御できるか？