本文提出了一种新的端到端框架，用于解码Large Language Models（LLMs）中隐藏的事实知识，并使用时间性知识图表达其在各层中的演化，以实现对LLMs的机理解释。通过解释性分析，揭示了LLMs中存在的潜在错误和事实知识的演化模式，为LLMs的机理解释迈出了一步。