Wiegreffe预告导向向量可解释性研究

研究者 Sarah Wiegreffe 预告一场关于 steering vectors（导向向量）机制可解释性的报告视频。她称，研究将聚焦导向向量的稀疏传播及功能电路相似性，并分解其对注意力的输入依赖与非输入依赖影响，同时探讨多 token 生成中的电路发现。此次内容是研究报告预告，具体研究结果尚待报告发布。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。