feature-competition

本研究论文在大语言模型中引入了稀疏自编码器表示中的“特征竞争”概念，将其作为不确定性的机制性特征。利用 Gemma-2-2B 模型，研究表明，负相关的特征对将不确定性定位到特定层级，并对模型输出产生因果影响。