How might LLMs store facts | Deep Learning Chapter 7
3-Second Blueprint (English)
- Transformer MLP blocks process each token vector independently through two learned matrix projections and a non-linear clip.
- Rows of the up-projection matrix act like soft AND-gates that fire when input vectors encode combined entity features.
- 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)
- MLP-Blöcke im Transformer verarbeiten jeden Token-Vektor parallel durch zwei Matrixprodukte und eine Nichtlinearität.
- Zeilen der Aufwärtsprojektion wirken wie logische UND-Gatter, die bei kombinierten Begriffsmerkmalen im Vektor feuern.
- 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.