行为反事实方法定位模型推理干预影响

2026年10月23日，arXiv Artificial Intelligence 刊出 Shawn Im 等作者的报道，研究者提出一种行为反事实方法，用于定位和分析某一干预如何影响模型的推理过程。该方法通过训练模块编辑残差流，使固定回答在源提示词与反事实目标提示词下的输出分布 KL 散度最小，从而定位干预对模型推理的影响。报道称，该方法比标准激活重建目标更有效地恢复反事实行为，其归因结果可识别对反事实恢复具有因果重要性的位置。目前该工作处于论文发布阶段，报道未提及后续应用或复现情况。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。