**袋维度：无需训练的机制可解释性——Transformer隐藏维度符号模式即特征**

_Bag of Dims: Training-Free Mechanistic Interpretability via Dimension-Level Sign Patterns_

> 研究发现，Transformer隐藏状态的标准基维度已编码语义概念：正负号承载内容，幅度表示置信度。通过统计维度间符号一致性，无需训练即可实现高精度概念检测、因果操控，且广泛适用于语言、视觉、音频模型。可解释性难题从寻找旋转矩阵转向编目维度含义。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-06-18 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2606.12629)