标签
本文研究大语言模型是否具有处理生命性概念的局部因果机制，通过在最小对上进行电路发现；他们发现了一个分布式的且仅部分泛化的生命性电路。
介绍ALEE，一个使用抽象意义表示生成具有受控语义偏移的英语极小对的框架，并将其翻译用于评估275+种语言的文本嵌入，揭示了跨语言语义表示中持续存在的差距。
本文通过使用最小对立对来探测手语识别模型，评估它们是否展现出音系敏感性，揭示了架构上的权衡以及涌现但有限的音系感知。