Shawn Im团队提出行为反事实方法解析模型推理

arXiv于2026年10月23日收录Shawn Im等人提出的新方法，旨在通过行为反事实定位并分析干预对模型推理过程的影响。该方法通过训练模块编辑残差流，使模型在源提示与反事实目标提示下的KL散度最小化，实验表明该策略比标准激活重建目标更能有效恢复反事实行为。在针对Gemma-4-E4B-it与DeepSeek-R1-0528-Qwen3-8B的案例研究中，研究者发现未言及的建议通过题目陈述和填充词表征对模型推理产生直接影响。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。