Mechanistic Interpretability

引用本概念的论文(3)

• 将 RL 诱导的工具使用定位到单个 Crosscoder 特征 Localizing RL-Induced Tool Use to a Single Crosscoder Feature arXiv 2606.26474
• SPARK:大语言模型潜在推理状态的敏感性引导剖析与控制 SPARK: Susceptibility-Guided Profiling and Steering of Latent Reasoning States in Large Language Models arXiv 2607.10296
• 每次 Token 一次抛硬币：大语言模型的伯努利稀疏引导 A Coin Flip Per Token: Bernoulli Sparse Steering of Large Language Models arXiv 2607.05615

共现相关概念

在引用本概念的论文中,与下列概念同时出现的次数(降序)。