研究发现开放权重 LLM 潜在空间中存在可定位且可因果使用的临床概念中心

论文在 11 个开放权重 LLM 的潜在空间中发现可解释、仅在对应临床叙事上激活并因果驱动行为的临床概念中心。对抗性角色提示下模型仍保持内部一致并使用相关概念中心，沿这些中心 steering 可带来下游临床表现提升，盲测医生验证显示其激活与使用情况可预测医生偏好。