pimenovdv/SelfLlmAsResearcher：基于 LLM 智能体的机制可解释性实验框架

GitHub 开源项目 pimenovdv/SelfLlmAsResearcher 提供一个基于 ReAct 模式的机制可解释性（Mechanistic Interpretability）实验框架，由生成假设并写代码的 LLM 智能体和作为实验对象的目标模型（如 GPT-2、LLaMA）两部分组成。框架支持 attention head 消融、Activation Patching 因果干预分析，以及从权重层面研究越狱和系统提示词绕过等漏洞。运行需在 Docker 容器中隔离执行，可通过 .env 或命令行参数配置 openai 或兼容端点（如 Ollama、vLLM）的 API 密钥。