arXiv · cs.AI· Ali Dasdan, Manan Shah, W. Russell Neuman, Chad Coleman, Kund Meghani, Safinah Ali·· 2 天前
LLaMA 3.1-8B-Instruct道德推理机制可解释性审计：帧条件道德计算探索
Frame-Conditioned Moral Computation in LLaMA 3.1-8B-Instruct: An Exploratory Mechanistic Interpretability Audit of Ethical Reasoning
arXiv:2606.15507v2阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Ali Dasdan, Manan Shah, W. Russell Neuman, Chad Coleman, Kund Meghani, Safinah Ali
研究任务与主要进展
基于论文摘要，研究者使用Transluce分析LLaMA 3.1-8B-Instruct对54个道德提示的内部活动，并区分伦理神经元标签的流行度、排名、模型行为与因果贡献。结果显示，保留神经元行中约5%带有伦理标签，其排名随任务框架而变，在31次有轨电车题回答中，19次建议干预、1次不建议干预、11次未给出明确建议；这些观察支持帧条件道德计算这一待检验假设。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org