OpenAI发布GPT-4思维破解新策略，Ilya亦有贡献！

OpenAI正在研究如何破解GPT-4的思维，并公开了超级对齐团队的工作，Ilya Sutskever也在作者名单中。

论文地址：https://cdn.openai.com/papers/sparse-autoencoders.pdf

代码：https://github.com/openai/sparse_autoencoder

特征可视化：https://openaipublic.blob.core.windows.net/sparse-autoencoder/sae-viewer/index.html

GPT-4o是否具备记忆能力？DeepMind和开源社区解开LLM记忆的谜团！_

GPT-4o深夜发布！Plus免费可用！https://www.zhihu.com/pin/1773645611381747712
没体验过OpenAI最新版GPT-4o？快戳最详细升级教程，几分钟搞定：

升级ChatGPT-4o Turbo步骤https://www.zhihu.com/pin/1768399982598909952

该研究提出了一种改进大规模训练稀疏自编码器的方法，并成功将GPT-4的内部表征解构为1600万个可理解的特征。

这使得复杂语言模型的内部工作变得更加透明。

目前，语言模型神经网络的内部工作原理仍是一个“黑盒”，无法完全理解。

为了理解和解释神经网络，首先需要找到对神经计算有用的基本构件。

然而，神经网络中的激活通常表现出不可预测和复杂的模式，每次输入几乎总会引发密集的激活。

而现实世界中其实很稀疏，在任何给定的情境中，人脑只有一小部分相关神经元会被激活。

在OpenAI超级对齐团队的这项研究中，他们推出了一种基于TopK激活函数的新稀疏自编码器（SAE）训练技术栈，消除了特征缩小问题，能够直接设定L0（直接控制网络中非零激活的数量）。

该方法在均方误差（MSE）与L0评估指标上表现优异，即使在1600万规模的训练中，几乎不产生失活的潜在单元（latent）。

具体来说，他们使用GPT-2 small和GPT-4系列模型的残差流作为自编码器的输入，选取网络深层（接近输出层）的残差流，如GPT-4的5/6层、GPT-2 small的第8层。

并使用之前工作中提出的基线ReLU自编码器架构，编码器通过ReLU激活获得稀疏latent z，解码器从z中重建残差流。

损失函数包括重建MSE损失和L1正则项，用于促进latent稀疏性。

此外，自编码器训练时容易出现大量latent永远不被激活（失活）的情况，导致计算资源浪费。
团队的解决方案包括两个关键技术：
1. 将编码器权重初始化为解码器权重的转置，使latent在初始化时可激活。

2. 添加辅助重建损失项，模拟用top-kaux个失活latent进行重建的损失。

通过这些方法，即使是1600万latent的大规模自编码器，失活率也只有7%。