arXiv cs.CL· Shihui Li, Mette Andersen, Martha Lewis·· 12 小时前AI 评分27
研究揭示大语言模型中隐喻表征的几何结构并可调控输出隐喻性
The Geometry of Metaphor: Probing and Steering Metaphor Representations in Large Language Models
AI 导读
研究者用机制可解释性技术在覆盖不同架构与规模的大语言模型中识别出因果子空间，可在不同词性的分类任务上操控输出。该技术同样适用于生成任务，表明可用于控制 LLM 输出的隐喻程度。成果将发表于 BlackboxNLP 2026 研讨会。
正文 · AI 翻译
摘要：隐喻是人类认知的一个重要方面。因此，我们希望了解它在大语言模型（LLM）中是如何表示的，以及如何对其进行控制。我们使用机制可解释性技术，在涵盖不同架构和规模的一系列 LLM 中识别出因果子空间。我们表明，我们能够在不同词性类别的分类任务上引导输出。我们还能够在生成任务上引导输出，这表明这些技术可用于控制 LLM 输出的隐喻性。
| 评论： | BlackboxNLP 2026：第九届分析与解释自然语言处理神经网络研讨会 |
| 主题： | 计算与语言（cs.CL）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.31520 [cs.CL] |
| （或 arXiv:2610.31520v1 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.31520 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Mette Friis Andersen [查看电子邮件]
[v1]
2026年10月22日星期四 16:33:01 UTC（4,305 KB）
来源：arXiv cs.CL · arxiv.org