在六个开源模型上复现 J-space:中间层藏着一本可操控输出的方向词典
J-space comparisons across open models
作者用 AI 智能体自动跑完实验,在六个开源模型上验证了 Anthropic 之前闭源论文里的 J-space 现象。简单说,模型的中间层确实存着一本“方向词典”——往残差流里注入某个方向,就能稳定地让模型说出对应的词。
推荐理由:作者用 AI 智能体在六个开源模型上复现了 Anthropic 闭源论文中的 J-space 现象,验证中间层存在可操控输出的方向词典,并附有交互图表与具体数字。