可解释性讨论：用激活值预测后续层词汇

burny_tech · x · 2026-07-08

研究者讨论一种机制可解释性的“对偶”视角：取某个激活值，在后续层的线性化下预测对应词汇。属于对模型内部机制进行分析的技术讨论。