Transformer 拒答机制中的组件与维度稀疏性

将拒答激活引导分解为组件级干预后，四个开源权重模型中的拒答方向集中在占上游组件 28–48% 的稀疏机制上，仍保留 88–101% 的引导效果。这些机制内约 50% 的残差流维度即可保留组件机制基线的 85–98%。结果表明拒答并非弥散编码于 Transformer，而是由结构化、可识别的机制组装而成，代码与原始实验结果已公开。