研究：语言模型方向敏感扰动与共享失效动力学

Zhibo Hu 等作者发表论文，提出一种方向敏感、相对读出的语义脆弱性解释：任务保持的改写可让正确答案变错，而更大的内部变化却可能不影响答案。 作者称，纵向-横向分解与紧凑的储备-传输模型在 Qwen3-32B 和 Gemma 4 31B 的留出族与条目上预测失效，向 ReClor 的迁移有效但依赖参数化。匹配干预显示方向携带标量几何之外的因果信息，但失效很少跨选项顺序持续，说明共享预测规律与上下文相关的方向效应并存。

AI 根据报道生成 · 54 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。