Может ли граф обучение учиться на ступенях?

arXiv: 2608.08536v2 Annualce Type: заменить резюме: Circulation Localization — это задача механистической интерпретируемости, цель которой состоит в том, чтобы определить небольшой подграф вычисления трансформатора достаточно для воспроизведения конкретного поведения. Большинство из установленных методов обеспечивают локацию схем независимо для каждой пары задач модели. Вместо этого мы обрамляем локализацию схемы как проблему обучения графов машинным способом, в которой края вычислительного графика представляют собой вычислительные пути и взаимодействие моделей график-невральных сетей (ГНН) между этими путями. Мы введем систему " Граф системное обучение &qt; (ГЛ) - контролируемую, амортизированную систему, которая обучает GNN по нескольким типовым группам задач и применяет ее к незаметным случаям. Для получения достаточных данных мы увеличиваем контрольный показатель " Интерпбенч > за счет дополнительных случаев, полученных в рамках программ < &lot; Трейкербэнч &qt; . Из 46 оцененных конфигураций ГЦЛ медианный край АУРОК, выбранный путем перекрестного подтверждения, составил 0,946 (межквартальный интервал [0,841, 0,980]) на 16 выдержанных