arXiv · cs.AI· Luc Hazenoot, Zhaochun Ren, Amirhossein Zohrehvand·· 11 小时前
冻结LLM激活中的概念内容测量：ESG概念向量与线性探针比较
Measuring Concept Content in Text from LLM Activations: ESG Evidence from Concept Vectors and Linear Probes
arXiv:2608.07208v2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：Luc Hazenoot, Zhaochun Ren, Amirhossein Zohrehvand
研究任务与主要进展
作者在环境、社会与治理（ESG）金融文本上比较冻结大语言模型的线性探针、Recursive Feature Machine（RFM）概念向量、嵌入与表层基线及模型自身回答，发现最佳线性探针在所有准确率比较中超过模型自身回答和RFM概念向量，与微调领域分类器相差0.6至3.3个百分点。
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