#扰动分析

研究追踪语言模型方向敏感扰动下的失败机制

论文提出方向敏感、读出相对的语义脆弱性解释，用纵向-横向分解识别标量传递中丢失的方向信息。紧凑的储备-传递模型可在 Qwen3-32B 与 Gemma 4 31B 上预测失败，匹配干预显示方向本身携带因果信息。结果表明共享预测规律与上下文相关的方向效应并存。