arXiv · AI· Muhammed Ustaomeroglu, Guannan Qu·· 7 小时前AI 评分35
通过表征有效理论理解、预测和引导大语言模型行为
Understanding, Predicting, and Steering LLM Behavior via Representational Effective Theory
AI 导读
研究者提出表征有效理论（RET），从大语言模型隐状态轨迹中学习低维宏观状态及其动力学。 这些宏观状态展现近似闭合动力学，能追踪推理轨迹，并在生成早期预测谄媚和对齐伪装。 该框架支持对模型推理进行解释、预测和控制。
来源：arXiv · AI · arxiv.org