arXiv 自然语言处理· Giang Son Nguyen, Wray Buntine, Dung D. Le, Wenya Wang·· 4 小时前AI 评分43
多语言 LLM 否定表示的因果分析
"Not" is Not Lost in Translation: A Causal Analysis of Negation Representations in Multilingual LLMs
AI 导读
一项针对 6 个开源多语言 LLM 的因果干预研究显示，否定表示在不同语言间高度共享且具备因果可控性。从单一语言提取的对比激活方向可在其他语言中诱导或消除否定，且每个模型仅需单个稀疏自编码器（SAE）特征即可跨语言控制极性。相关干预可泛化至额外 4 种语言及 FLORES 衍生数据，代码与数据已开源。
来源：arXiv 自然语言处理 · arxiv.org