两篇 LLM 机械可解释性研究登陆 EMNLP：Agent 做电路解释与代码安全转向

研究者 Yao Ziyu 预告团队两篇 LLM 机械可解释性研究登陆布达佩斯 EMNLP，分别探索 LLM agent 做电路解释与代码生成安全转向。其中一篇考察语言模型 agent 能否胜任 circuit 解释工作，另一篇分析代码漏洞在模型内部表征中如何干扰代码正确性，并提出 DuoSteer 转向方法以生成更安全、更正确的代码。