UCL 研究：LLM 共享 Fisher-Rao 信息几何,可低扰动干预模型行为
UniversityCollegeLondon · hf · 2026-09-23
UCL 团队在 Hugging Face 发布研究,称下一代词预测概率的 Fisher-Rao 信息几何在不同架构的大语言模型之间是共享的,且这种几何是可学习、可控的。
- 跨架构共性:不同 LLM 的行为由共享的信息几何联系起来
- 低扰动干预:基于该几何可对模型进行低干扰的定向干预
- 预测与迁移:该几何还能预测模型的学习动态,并支持控制策略在不同模型间的迁移
「研究」频道最新
- eidon-ai 发布 tracker-pov 机器人视频数据集，规模 1 万至 10 万条 — eidon-ai · 2026-09-23
- LLM 心理健康应用综述:从模式识别到个性化陪伴三阶段 — He Hu · 2026-09-23
- Flash-dLLM:扩散式 LLM 推理提速最高 11 倍 — MBZUAI · 2026-09-23
- BPO:免 Critic 的镜像下降方法改进 LLM 推理 RL 训练 — apodex · 2026-09-23
- AIDE^2 让 AI 研究 agent 递归自我改进,8 天迭代 7 次 — WecoAI · 2026-09-23
- Ovis-Embedding 发布:统一全模态嵌入刷新 MMEB 等多项 SOTA — Embedding Team · 2026-09-23