多语言LLM否定表征可因果控制且跨语言共享

Giang Son Nguyen 等作者发表论文称，在六个开源模型上对英语、法语、越南语和中文做因果干预后发现，多语言大模型的否定表征可被因果控制，且跨语言高度共享：从一种语言提取的对比激活方向能在其他语言中诱导或移除否定，不同语言提取的方向也基本对齐。 该结论来自上述四个语种、六个开源模型的实验，作者称其为“强证据”；它说明否定在模型内部并非按语言各自独立编码，但这一可控性是否适用于其他语种、闭源模型或实际生成任务，报道未涉及。

AI 根据报道生成 · 58 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。