arXiv Artificial Intelligence· Paraskevas V. Lekeas, Giorgos Stamatopoulos·· 3 小时前AI 评分38
合作覆盖回路如何抑制大语言模型中的纳什博弈
How a Cooperative-Override Circuit Suppresses Nash Play in Large Language Models
AI 导读
Llama-3-70B、Qwen2.5-32B 和 Qwen2.5-72B 在直接提示的命名囚徒困境中锁定完全合作，Llama-3-8B 则接近纳什均衡。logit-lens 分析发现一个分布式合作覆盖回路：中间层读数在约四分之三网络深度前倾向纳什动作，末层才转向合作，最终修正幅度与思维链行为在规模和两种架构上秩匹配。
来源：arXiv Artificial Intelligence · arxiv.org