arXiv 自然语言处理· Zhibo Hu, Chen Wang, Yanfeng Shu, Liming Dong, Hye-young Paik, Liming Zhu·· 9 小时前AI 评分33
多重扰动与共享失败动态：追踪大语言模型中方向敏感的扰动影响
Many Perturbations, Shared Failure Dynamics: Tracing Direction-Sensitive Perturbation Influence in Language Models
AI 导读
一项针对大语言模型语义脆弱性的研究提出方向敏感分析框架，用于解释任务保持重写导致模型回答失败的内在机理。基于决策储备与表征传输的模型成功预测了 Qwen3-32B 和 Gemma 4 31B 的失败情况，并可有效迁移至 ReClor 数据集。干预实验进一步证实扰动方向携带了标量几何之外的因果信息，但该规律同时存在上下文依赖性。
来源：arXiv 自然语言处理 · arxiv.org