可解释性

研究发现语言模型隐藏状态读取器预测输出正确性时，常受模型自我判断干扰，导致客观正确性信号被混淆。通过构建冲突案例，揭示了自我判断关联方向比客观正确性方向更具可迁移性。

研究通过ChaosNLI数据集分析形式语义结构对自然语言推理标注差异的解释力，发现其对标注分歧的影响有限，无法有效识别高争议样本。

研究者通过分析大语言模型输出分布与训练数据中经验下一个词分布的一致性，发现模型规模越大、训练计算量越多，其输出与训练数据的统计模式越接近，但仍存在显著差异的输入序列。

Google DeepMind发布最新理论研究，试图揭开扩散模型生成创意内容的底层机制，为理解AI创造力提供新视角。

TokenScope 是一款面向代码生成任务的交互式解释工具，通过暴露令牌级指标、注意力模式和结构信息，帮助研究人员深入理解大语言模型在代码生成中的内部决策机制。

研究者提出“叙事思维”提示框架，通过结构化思维链显著提升大模型在道德困境中的推理透明度，将利益相关者遗漏率从31%降至1%以下。