Episode

Episode 216 - Features verstehen ohne Datenhunger: Der Weight Lens-Ansatz

Podcast

Knowledge Science - Alles über KI, ML und NLP

Published

Oct 29, 2025

Duration seconds

2395

Processing state

not_requested

Canonical source

https://www.buzzsprout.com/1687822/episodes/18100806-episode-216-features-verstehen-ohne-datenhunger-der-weight-lens-ansatz.mp3

Audio

https://www.buzzsprout.com/1687822/episodes/18100806-episode-216-features-verstehen-ohne-datenhunger-der-weight-lens-ansatz.mp3

JSON

/v1/public/podcasts/knowledge-science-alles-ber-ki-ml-und-nlp-1383759/episodes/episode-216-features-verstehen-ohne-datenhunger-der-weight-lens-ansatz

Markdown

/podcast/knowledge-science-alles-ber-ki-ml-und-nlp-1383759/episode-216-features-verstehen-ohne-datenhunger-der-weight-lens-ansatz.md

Actions

• POST https://stenobird.com/v1/public/podcasts/knowledge-science-alles-ber-ki-ml-und-nlp-1383759/episodes/episode-216-features-verstehen-ohne-datenhunger-der-weight-lens-ansatz/transcription-requests
  Idempotently request low-priority transcript generation for this episode.
• GET https://stenobird.com/podcast/knowledge-science-alles-ber-ki-ml-und-nlp-1383759/episode-216-features-verstehen-ohne-datenhunger-der-weight-lens-ansatz.md
  Read the agent-friendly Markdown representation of this episode resource.

Summary

Send us Fan Mail Wie können wir verstehen, was in einem Sprachmodell wirklich passiert? Sigurd und Carsten tauchen tief ein in ein Paper aus Deutschland, das zeigt, wie man Features in neuronalen Netzen identifizieren kann – ohne riesige Datensätze und ohne aufwändiges Training. Von Sparse Auto Encodern über Transcoders bis zur neuen Weight Lens-Methode: Erfahrt, wie Mechanistic Interpretability den Weg zu transparenteren KI-Systemen ebnet. Plus: Einblicke vom AI Transparency Days...