arXiv Artificial Intelligence· Shradha Agarwal, Tariq J., Deepak Rajbhar·2026-11-06 13:00· 2 天前AI 评分32

定位不等于可控：LLM 数学符号错误的机制研究

Localization Does Not Imply Steerability: A Mechanistic Study of Sign Errors in LLM Mathematics

AI 导读

研究在 14B 至 675B 参数的六个开源模型中发现，LLM 多步数学中的符号错误由网络最后四分之一（70-100%）的 MLP 层在较晚阶段写入，该模式在 Qwen 基座模型中已存在。