Berkeley AI Research · 2026-03-13模型评分55
伯克利提出 SPEX 与 ProxySPEX，可在数千组件规模上识别大语言模型中的交互
Identifying Interactions at Scale for LLMs
导读
伯克利 人工智能（AI，Artificial Intelligence） 研究团队提出 SPEX 与 ProxySPEX 两种算法，用于在大语言模型（LLM，Large Language Model）中识别驱动输出的关键交互，把交互发现规模从数十个组件扩展到数千个。
分类置信度
高
- 官方或准官方来源，且无冲突类别。
- 正文、可信日期、主分类和证据摘录完整。
来源级别：官方一手
事件类型：研究发布
证据摘录
- “In this blog post, we describe the fundamental ideas behind SPEX and ProxySPEX , algorithms capable of identifying these critical interactions at scale.”
- “the code for both SPEX and ProxySPEX is fully integrated and available within the popular SHAP-IQ repository.”
来源：Berkeley AI Research · bair.berkeley.edu