mechanistic interpretability arithmetic reasoning cyclic concepts Fourier features
摘要

本文研究 Llama-3.1-8B 如何推理循环概念(如月份计算)。尽管模型对这类概念的表征具有循环结构,但研究发现其并未直接执行特定周期的模加法,而是复用通用的十进制加法机制:先计算输入之和,再映射回循环空间。研究进一步识别出一组稀疏的 MLP 神经元,利用与十进制周期一致的傅里叶特征完成求和。该工作通过因果抽象与特征几何的结合,深化了对语言模型机械理解的认识。

AI 推荐理由

论文深入剖析 LLM 处理循环概念的算术推理机制,揭示其复用十进制加法而非模运算的内部原理。

研究机构
Northeastern University Harvard University Stanford University
论文信息
作者 Sheridan Feucht, Tal Haklay, Usha Bhalla, Daniel Wurgaft, Can Rager et al.
发布日期 2026-05-01
arXiv ID 2605.01148
相关性评分 9/10 (高度相关)