本研究提出了一种将概念层集成到大语言模型的方法,以解决可解释性和可干预性不足的问题。该方法通过投影和重构,无需人工选择概念集,能够在多任务中保持性能并有效干预,显示出在调整模型行为方面的良好潜力。
完成下面两步后,将自动完成登录并继续当前操作。