Discover What Every Neuron in the Llama Model Does
Transluce 的新工具正在改变 AI 透明度的游戏规则——一个测试用例和一些值得思考的内容作者提供的图片——正在使用新工具！Transluce 是一家新成立的非营利研究实验室，肩负着鼓舞人心的使命，刚刚发布（23.10.24）一款引人入胜的工具，可深入了解 LLM 中的神经元行为。或者用他们自己的话说：当 AI 系统表现异常时，我们希望了解解释行为发生原因的“思维过程”。这使我们能够预测和修复 AI 模型的问题，发现隐藏的知识，并发现习得的偏见和虚假相关性。为了完成他们的使命，他们推出了一个可观察性界面，您可以在其中输入自己的提示，接收响应并查看哪些神经元被激活。然后，您可以探索激活的神
How to Unit Test Deep Learning: Tests in TensorFlow, mocking and test coverage
使用 tf.test() 探索 TensorFlow 代码中的单元测试、模拟和修补对象、代码覆盖率以及机器学习应用程序中测试用例的不同示例
PUBLICATION NOTICE: A Comparison of GenCade, Pelnard-Considere, and LITPACK
目的：本海岸和水利工程技术说明 (CHETN) 的目的是通过运行一系列简化的测试用例并将结果与另一个数值海岸线演化模型和分析模型进行比较，研究 GenCade 的基本物理和数值代码。解决方案。互补的数字代码是广泛使用的海岸线演化模型 LITPACK。分析模型是 Pelnard-Considere (1956) 导出的原始解。所有三种方法的基本假设是海滩轮廓形状恒定，因此海岸线变化是由长岸运输过程和独立沉积物源或汇（例如海平面变化、沉降）的组合驱动的。 CHETN 对模型背后的理论进行了描述性概述，然后使用一组四个测试案例进行相互比较，这些测试案例涉及理想化沿海结构和海滩营养附近的海岸线变化
