大型语言模型：世界模型还是表面统计？

本文探讨了大型语言模型（LLM）究竟是学习了世界模型还是仅仅是表面统计数据。作者以训练一个只学习奥赛罗棋谱的GPT模型（Othello-GPT）为例，发现该模型不仅能生成合法的棋步，其内部表征还展现出与棋盘结构相似的几何形状。通过一种名为“探针”的技术，作者发现训练后的Othello-GPT的内部表征包含了棋盘状态信息。此外，通过干预模型的中间激活，作者可以控制模型的预测，这表明模型确实在利用其内部的世界模型进行预测。最后，作者提出了一种名为“基于干预的归因”的方法，用于解释模型的预测，并生成了“潜在显著性图”，展示了模型是如何根据棋盘状态进行预测的。