Brain-Score 98/100 TECH 3Blue1Brown · 22:43

How might LLMs store facts | Deep Learning Chapter 7

3-Second Blueprint (English)

  1. Transformer MLP blocks process each token vector independently through two learned matrix projections and a non-linear clip.
  2. Rows of the up-projection matrix act like soft AND-gates that fire when input vectors encode combined entity features.
  3. Activated neurons add factual attribute directions back into the residual stream, packing extra concepts via superposition.
Multilayer PerceptronMechanistic InterpretabilityResidual Stream VectorsSuperposition

3-Sekunden-Fazit (Deutsch)

  1. MLP-Blöcke im Transformer verarbeiten jeden Token-Vektor parallel durch zwei Matrixprodukte und eine Nichtlinearität.
  2. Zeilen der Aufwärtsprojektion wirken wie logische UND-Gatter, die bei kombinierten Begriffsmerkmalen im Vektor feuern.
  3. Aktivierte Neuronen addieren Faktenrichtungen auf den Residualstrom und speichern dank Superposition mehr Konzepte.
Multilayer-PerzeptronMechanistische AnalyseResidualstrom-VektorenSuperposition

Note / Hinweis: Blueprints are AI-generated educational summaries (0% Politics · 0% Religion · 0% Brainrot) and do not constitute medical, legal, or financial advice. / KI-generierte Zusammenfassung zu Bildungszwecken – ersetzt keine medizinische, rechtliche oder finanzielle Fachberatung.