● 在可能世界之间进行比较 — LessWrong

📌 一句话摘要 本文探讨了反事实忠实度（counterfactual faithfulness）在机械可解释性中的应用，展示了因果干预如何帮助区分 LLM 中的子电路，同时强调了当前激活空间方法的局限性。 📝 详细摘要 这篇文章是电路分析系列文章的第四篇，研究了将反事实忠实度作为评估 LLM 内

● 操作化 FDT — LessWrong

📌 一句话摘要 本文通过定义一个逻辑 do-算子，并探索通过算法互信息和世界模型回溯来奠定逻辑因果关系的方法，为功能决策理论 (FDT) 提供了一个形式化框架。 📝 详细摘要 本文旨在通过解决功能决策理论 (FDT) 的形式机制和哲学基础来将其操作化。它引入了一个用于干预逻辑事实的“逻辑 do-