本研究针对大型语言模型在情感分类中的适应性低效问题，提出了一种模型编辑方法，重点调整关键中间层表示。实验结果表明，该方法显著降低了可训练性，同时保持了竞争力的分类效果。

本研究探讨现代语言模型处理多样化输入的能力，提出“语义中心假说”，认为模型通过学习共享表示空间来实现这一能力。研究发现，不同语言的语义等价输入在中间层的表示相似，且共享表示空间的干预影响数据处理，表明模型积极利用这一资源。