Sarah Wiegreffe 预告导向向量机制可解释性研究报告

Sarah Wiegreffe 预告 steering vectors 机制可解释性报告视频，聚焦导向向量的稀疏传播与功能电路相似性。报告还将分解其对注意力的输入依赖和非输入依赖影响，并探讨多 token 生成中的 circuit discovery。