Introspective Coupling: Self-Explanation Training Tracks Behavioral Change Despite Fixed Supervision
यह शोधपत्र यह प्रदर्शित करता है कि काउंटरफैक्चुअल स्पष्टीकरणों (counterfactual explanations) के स्थिर डेटासेट पर प्रशिक्षित भाषा मॉडल "इंट्रोस्पेक्टिव कपलिंग" (introspective coupling) विकसित कर सकते हैं, जहाँ उनके द्वारा उत्पन्न स्पष्टीकरण केवल स्थिर प्रशिक्षण लक्ष्यों की नकल करने के बजाय उनके अपने विकसित होते व्यवहारों के प्रति वफादार रहते हैं और उनका अनुसरण करते हैं।