Vishal Dehurdle ผู้พัฒนา HyperSAE ได้เปิดตัว open-source tool ที่แปลงความรู้ของ LLM ให้เป็นแผนที่แนวต้นไม้ (tree-shaped concept maps) ผ่านการใช้เรขาคณิต hyperbolic ซึ่งช่วยจัดเรียงความรู้ในรูปแบบลำดับชั้น แทนที่จะเป็นรายการ flat ที่ไม่มีโครงสร้าง ทดสอบกับโมเดล Gemma-2-2B ของ Google พบว่าจับความรู้ได้ 99.8% (สูงกว่ามาตรฐานที่ 96.2%) HyperSAE เป็นไลบรารี Python ที่ติดตั้งได้ผ่าน pip install hypersae พร้อมแหล่งโค้ดบน GitHub และ paper ที่มี interactive demos ผ่านเว็บไซต์ของผู้พัฒนา แนวคิดหลักคือ LLM ได้เรียนรู้ความรู้แบบลำดับชั้น เช่น “Programming” ครอบคลุม “Python” ซึ่งมี “list comprehensions” แต่เครื่องมือทั่วไปไม่สามารถจัดการลำดับนี้ได้ การใช้ geometry ที่ขยายพื้นที่แบบทวีคูณ (hyperbolic) ทำให้ features ที่ดึงออกมาจัดเรียงตัวเองเป็น parent-child hierarchy โดยไม่ต้องใช้การตั้งค่าเพิ่มเติม ช่วยให้ผู้ใช้สามารถสำรวจความรู้ของโมเดลได้ผ่าน tree structure แทนการสแกนรายการ flat ที่ซับซ้อน
สรุปด้วย MAF Local AI · เนื้อหาต้นฉบับเป็นของแหล่งข่าว