1.7 KiB
1.7 KiB
title, created, updated, type, tags, sources
| title | created | updated | type | tags | sources | |||||
|---|---|---|---|---|---|---|---|---|---|---|
| Concept Point-Cloud Manifold (概念点云流形) | 2026-07-10 | 2026-07-10 | concept |
|
|
Concept Point-Cloud Manifold (概念点云流形)
Hu et al. (ICML 2026) 对 LLM 中概念表示的重新形式化:概念不是稳定向量,而是点云流形。
形式化定义
对模型 m,概念词 w 在上下文 c 中的表示:
r^{(m)}(w, c) ∈ M^{(m)} ⊂ R^{d_m}
跨 N 个上下文实例的集合:
X_w^{(m)} = {r^{(m)}(w, c_i)}_{i=1}^N
这个点云被视为从潜在分布 P_w^{(m)} 的经验采样——参数形式不假设,通过成对核矩阵非参数地表征其几何。
神经群体几何的类比
从神经群体几何(Chung & Abbott, 2021)借用的视角:
- 刺激类别 → 神经状态空间中的点云流形
- 身份保持的输入变化 → 群体响应的分布
- 稀疏采样 → 点云的外显形式
在 LLM 中:概念 = 刺激类别;上下文 = 身份保持变化 → 同一概念的分布式表示在不同上下文中采样。
与传统"概念 = 向量"的区别
| 传统视角 | 点云流形视角 |
|---|---|
| 概念是单一方向/向量 | 概念是分布 P_w |
| 上下文扰动静态向量 | 上下文从 P_w 中采样 |
| 可以有"概念向量" | 概念是几何分布的集合 |
| steering = 加方向 | steering 丢弃结构化残差 |