**基于反事实链和因果图的LLM可解释性方法**

_LLM Explainability with Counterfactual Chains and Causal Graphs_

> 本文提出一种四阶段方法，通过构建因果图来建模大语言模型在推理中如何感知和组织高层概念，生成可解释的预测。该方法利用MCMC启发式反事实增强扩展观测数据，结合σ-CG进行稳定因果发现，并在疾病诊断、情感分析和LLM-as-a-judge任务上验证了因果图的预测保真度和结构稳定性，为概念级LLM可解释性奠定基础。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-06-08 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2606.05972)