语言模型潜在结构的因果影响力由什么决定：容量、响应性与对齐

研究将语言模型激活空间中潜在结构的因果影响力拆解为容量、响应性与对齐三个因素，在4个LM家族和50个概念上验证三者需同时较高才有效。容量或响应性偏低分别使因果效果下降84%和95%，对齐偏低甚至会逆转效果、抑制概念表达。基于此提出的因果探针将跨模型引导效果提升17%-118%，概念检测仅下降3%。