intervention

该概念源自因果推断，在AI中用于机制可解释性与对齐研究：通过激活编辑、因果追踪或提示注入等方式改变特定神经元或表征，观察输出变化以定位功能回路。也用于安全领域，如对有害生成进行实时干预。其挑战在于干预的精确性与副作用控制。