#因果干预

这篇论文展示了如何利用稀疏自编码器在ν中微子基础模型中寻找可解释的潜在表示，这对于理解模型的内部工作原理和设计下游任务非常有帮助。与传统的方向头相比，这种新的不确定性头在预测角重建误差方面表现出色。

这篇论文用因果干预实验拆解了LLM拒绝机制，发现答案释放和拒绝恢复不对称，对AI安全审计很有参考价值。

这篇论文用五类模型分析了LLM为何容易被提示带偏，发现全是微调惹的祸，每个偏差还有独立方向，能直接修正。

该工作揭示了不同语言模型在规划能力上的根本差异：仅部分模型（如Gemma-3-27B）真正依赖内部的前瞻性计划，而其他模型则依赖逐词条件。这对理解模型内部机制和未来设计更可控的生成系统有参考价值。