共计 545 个字符，预计需要花费 2 分钟才能阅读完成。
以 GPT 和 Llama 为代表的大语言模型正驱动着人工智能领域的突破性进展，然而，旨在提升其可解释性与可靠性的研究，却长期受制于检测和调整模型行为所需的高昂资源成本。
为应对这一挑战，曼彻斯特大学由 Danilo S. Carvalho 博士与 André Freitas 博士领导的研究团队，开发出一套名为 LangVAE 和 LangSpace 的新型软件框架。该技术能显著降低控制与测试大语言模型、进而构建可解释 AI 系统所需的硬件与能源消耗。相关研究成果已发表于预印本平台《arXiv》。
这项大语言模型控制技术的核心在于，通过构建大语言模型的压缩语言表征，使研究人员能够运用几何学方法——将模型内部的复杂语言模式视为空间中可测量、对比与调整的点与形状——来解释和控制模型行为，且无需改动原始模型结构。其关键突破在于，与现有技术相比，该方法可将所需的计算资源消耗降低超过 90%。
这一效率的飞跃，极大地降低了开发可解释、可控 AI 的门槛，为更多研究者、初创企业及产业团队探索这些强大系统的内部运作机制开辟了新的道路。
Carvalho 博士对此阐释道：“这项技术不仅大幅降低了开发和实验可解释、可控 AI 模型的准入成本，同时也有望减轻相关研究对环境的影响。我们团队的愿景是加速可信赖 AI 在医疗健康等关键任务领域的应用进程。”
正文完
