研究人员开发了一个名为CauTrace的新诊断框架,用于分析大型语言模型(LLM)在其推理过程中失败的原因。该框架检查七个功能状态、表示变化在Transformer块中的传播以及时间状态协调,以表征推理轨迹。CauTrace在Qwen和LLaMA等模型的标准和对抗性失败上进行了评估,揭示了失败的推理表现出较弱的Attention-MLP一致性和较少的验证活动。研究还表明,CauTrace可以为模型修复和引导提供操作信号,为理解LLM失败动态提供了一种统一的方法。 AI
影响 提供了一种理解和潜在改进LLM可靠性和安全性新方法。
排序理由 该集群包含一篇详细介绍LLM新诊断框架的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →