热点事件持续更新

研究揭示大模型数学符号错误机理与可控性差异

1 篇报道1 个报道来源4 小时前更新

先了解这件事

AI 综述

2026年11月6日，arXiv发布关于大语言模型数学符号错误机理的研究。该研究对6款14B至675B参数的开源大模型进行分析，发现多步数学推理中的符号错误均由网络最后四分之一（70-100%深度）的MLP层写入。实验表明，通过在残差流中干预单一方向，能够纠正Llama-3.3-70B上14例分部积分错误中的13例，该效果在Qwen、Gemma和Mistral-Small模型上也得到复现。然而，在Phi-4模型中，由于存在约15层的冗余写入，上述干预手段失效。该结果证明，模型内部机制的回路定域并不代表其具备可控性。

AI 根据报道生成 · 4 小时前更新

报道时间线

沿着报道，了解事件的不同侧面。

11月6日

13:00
arXiv 机器学习
定域性不等于可控性：LLM 数学符号错误的机理研究
研究表明，6 款 14B 至 675B 参数的开源大语言模型在多步数学中的符号错误，均由网络最后四分之一（70-100%）深度的 MLP 层写入。从残差流干预单一方向可纠正 Llama-3.3-70B 上 14 例分部积分错误中的 13 例，并在 Qwen、Gemma 和 Mistral-Small 上复现。但 Phi-4 因约 15 层的冗余写入导致干预失效，证明回路定域并不代表其具备可控性。

本事件热度走势

当前热度 9·可比范围峰值 10（11月6日 14:00）·近 24 小时可比范围变化–

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。