该文介绍了一种新方法“稀疏权重分解”（SWD），用于直接分解预训练大模型的权重矩阵，无需训练替代网络。SWD将稠密权重分解为两个稀疏矩阵，形成可独立干预的瓶颈单元，从而高效抽取任务回路。实验表明，SWD在GPT-2、Qwen等模型上，以不到1%的数据成本实现高保真替换，并通过充分性和必要性测试，支持语义审计和定向编辑，为机制可解释性提供了轻量、可扩展的路径。