线性探针揭示LLM道德知识几何结构

研究者用六个独立线性探针，在开放权重语言模型上分别探测“道德基础理论”的六类道德基础，发现这些方向既不塌缩为单一道德检测器，也不彼此孤立，而是张成接近最大数量的独立维度，并共享一个正向公共分量。 该结果说明模型内部的道德知识并非由单一维度统一表征，而是以多维度、部分共享的方式组织。研究由 Orion Reblitz-Richardson 发表，论文发布在 arXiv cs.CL。

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。