研究在 Qwen3 与 Gemma-2 内部定位 26 项法律要素表征
原文标题：Where Do Legal Factors Live in LLMs?
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文考察大模型是否形成与 CATO 26 项法律要素对应的内部表征，在 Qwen3-1.7B、Qwen3-8B 与 Gemma-2 2B 上做线性可解码性与稀疏自编码器定位实验。结果显示全部 26 项要素均可线性解码，并给出 78 个模型专属的层-特征坐标，把法律符号抽象与模型内部表示连接起来。
- 问题
- 大模型内部是否形成与法律要素对应的可解释表征尚不清楚。
- 方法
- 在 Qwen3 与 Gemma-2 上用线性探针和稀疏自编码器定位 26 项 CATO 法律要素。
- 结果
- 26 项要素均可线性解码，最佳层测试 AUC 0.86–1.00，给出 78 个层-特征坐标。
- 影响
- 为法律等高风险领域提供可审计的内部表征证据，利于可控性与合规审查。
深读 · 结论先行AI 生成展开看要点与影响 ↓
在Qwen3-1.7B/8B与Gemma-2 2B中，CATO全部26项法律要素均可线性解码。
- •实验覆盖Qwen3-1.7B、Qwen3-8B、Gemma-2 2B三个开放模型
- •26项要素在三模型中全部线性可解码，最佳层测试AUC在0.86至1.00之间
- •单特征稀疏读出即可覆盖完整要素目录，5个选定特征接近全向量读出性能
- •给出78个模型专属的层-特征坐标，每个模型每要素一个
为什么重要：把法律符号抽象与模型内部激活对应起来，为法律AI的可解释与可审计提供可定位的抓手。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。