研究：概念补集干预效果并非源自拟合矩阵

arXiv 2026 年 10 月 15 日刊出的一项研究提出，在语言模型的转向干预中，若保留以目标为中心、带缩放的 conceptor 补集中的目标专属中心与增益、仅移除拟合协方差滤波器，干预方向仍会在生成层扩展。作者 Shuhul Razdan 与 R Balamurugan 据此认为，整体干预的对比本身无法把生成行为归因于拟合矩阵，应分析完整变换、固定共享成分并直接测试输出后果。 实验中 α=.05、β=2，覆盖三个模型、七个目标共 21 个拟合映射，矩阵修正仅相当于匹配控制位移的 0.093%–7.815%。该论文已被 NeurIPS 2026 的 NeurReps Workshop 接收。上述归因判断来自作者，其声称的效果未独立验证。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。