HuggingFace Daily Papers·2026-09-28 08:00· 5 天前AI 评分38

SAKIKO：审计工具调用 LLM 内部干预，行为改变不等于修复

When Does Correction Become Repair? Mechanistic Auditing of Internal Interventions in Tool-Using LLMs

AI 导读

SAKIKO 框架用于审计工具调用 LLM 的内部激活干预，在 7 个 LLM 的 When2Call 和 MetaTool 上，通道定向干预让 5 个模型获得方向性净增益，59 个预算匹配的随机方向均无法复现校准目标增益。