Tecnología
sparse autoencoders
Sobre esta tecnología, IA para hoy ha analizado 2 noticias, procedentes de 1 medio distinto. No ha habido cobertura nueva en la última semana. La fiabilidad media de esa cobertura es de 5,0 sobre 5, medida con las reglas de nuestro método. Las áreas de impacto que más se repiten son Ciberseguridad, Desarrollo, IT. Aparece en 2 historias en seguimiento.
Relacionadas
LLM ×2Google DeepMind ×2interpretabilidad mecanicista ×1interpretabilidad ×1
Historias
Noticias
Google DeepMind lanza Gemma Scope 2: herramientas de interpretabilidad para toda la familia Gemma 3
Google DeepMind ha publicado Gemma Scope 2, un conjunto abierto de herramientas de interpretabilidad para investigar el funcionamiento interno de todos los…
Por qué importaLa interpretabilidad es crítica para construir IA segura y confiable conforme los modelos se vuelven más complejos. El acceso abierto a estas…
Google DeepMind abre Gemma Scope: herramientas de interpretabilidad para modelos de lenguaje
Google DeepMind ha anunciado Gemma Scope, una suite abierta de más de 400 autoencodificadores dispersos (SAEs) para interpretar los modelos Gemma 2 de 2B y 9B…
Por qué importaLa interpretabilidad mecanicista es fundamental para construir sistemas de IA más seguros y confiables; herramientas abiertas como Gemma Scope…