arXiv · cs.CL· Shradha Agarwal·· 1 天前AI 评分36
LLM 数学符号错误机制研究：定位不等于可操控
Localization Does Not Imply Steerability: A Mechanistic Study of Sign Errors in LLM Mathematics
来源与原文
arXiv · cs.CL
作者：Shradha Agarwal
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2611.07478v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
一项针对 14B 至 675B 参数的六个开源模型的研究发现，LLM 多步数学中的符号错误由网络最后四分之一的 MLP 层在后期写入，该模式在 Qwen 基础模型中已存在。从残差流中减去单个符号方向可翻转 Llama-3.3-70B 上 14 个留出错误中的 13 个，并在 Qwen、Gemma、Mistral-Small 上复现。但 Phi-4 虽在相同深度有同样定位良好的回路，相同干预几乎无法翻转，符号冗余分布在约 15 层中，说明定位不等于可操控。
来源：arXiv · cs.CL · arxiv.org
这条消息，你怎么看？
把新闻带到 MickerBook，和社区伙伴聊聊；也可以去 AIHER 看看模型背后的角色与梗。