待验证50% 置信事实精确时间
机制可解释性分析发现，同一道数学题的翻译版和本地化版，即使最终准确率接近，模型内部激活的推理轨迹也常常截然不同。
1
来源数
50%
置信度
长期有效
时效性
2026/10/21
首次发现
来源
涉及实体
相关事实
待验证与传统可解释性方法（如特征重要性、显著图）不同，机制可解释性追求对模型内部计算的完整逆向80% 相似待验证研究表明，即使使用相同的基础模型，引入迭代反思机制后在代码生成、数学推理等任务上的准确率可提升20%-40%75% 相似待验证当前主流大语言模型在推理早期形成错误前提后，后续步骤往往会为维护一致性而不断合理化，而非回溯纠正74% 相似已验证推理模型在返回最终结果前进行内部链式思考（Chain-of-Thought），消耗大量token和计算时间以换取更深层理解和更低错误率73% 相似待验证多项实验表明，模型的表面推理与其实际决策机制之间存在显著偏差，通过激活修补可发现真正影响输出的内部路径与书面推理不吻合73% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1078819API
curl https://kongchang.com/api/v1/knowledge/claims/1078819MCP
get_claim(id=1078819)