モデル規模拡大と可解釈性を両立するSteerling-8Bの研究発表

要点：可解釈性を学習プロセスに組み込むことで、性能を犠牲にせずに透明性を高める手法が提案されました。Steerling-8Bモデルは、出力の診断や再学習なしでの介入が可能であり、同規模のモデルと遜色ない性能を維持しています。