研究揭示多语言LLM中否定表示的跨语言因果机制

1. 12:00
   arXiv · AI

   多语言LLM中否定表示的因果分析："Not"并非失译

   研究发现多语言大语言模型中否定表示具有跨语言共享性且可被因果控制。基于六个开源模型在英法越中四语的干预实验，单一稀疏自编码器特征即可控制极性。 研究使用合成对比数据集及FLORES-200衍生否定翻译数据集，证明提取的对比激活方向在不同语言间高度对齐。干预效果可泛化至另外四种语言及FLORES衍生句子。 作者已开放数据与代码以支持后续研究。

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。