量子科技中心_量科网

“机制可解释性研究致力于逆向解析大语言模型（LLMs）的内部计算机制，然而从高维多义性噪声中分离稀疏语义信号仍是一项重大挑战。本文提出量子筛追踪器——一种用于表征事实回忆回路的混合量子-经典框架。该研究团队构建了模块化流程：先通过经典因果追踪定位关键网络层，再将特定注意力头的激活映射至指数级庞大的量子希尔伯特空间。基于开源权重模型（Meta Llama-3.2-1B与阿里巴巴Qwen2.5-1.5B-Instruct）的双阶段分析揭示了基础架构差异：Qwen模型的第7层作为经典回忆枢纽运作，而Llama模型的第9层则表现为干扰抑制回路——当消融已识别的注意力头时，事实回忆能力反而提升。研究结果表明，量子核能有效区分这种建设性（回忆）与消减性（抑制）机制，为注意力网络的细粒度拓扑分析提供了高分辨率工具。”