研究提出语言模型不变特征几何刻画与归因框架

Agnibh Dasgupta、Abdullah Tanvir、Xin Zhong 发表论文，提出一个局部几何框架：语义等价的输入在潜空间中沿冗余方向变化，语义身份保存在不变子空间中。基于此，他们给出不变潜特征的几何刻画，以及区分语义变化与语义保持变化的对比子空间发现方法。 作者称，该不变表示可用于零样本模型归因；实验显示不变结构出现在特定深度区域，表示级干预表明不变成分对模型输出具有因果作用。论文已被 NeurIPS 2026 接收，代码已公开。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。