冻结 BERT 中 AI 文本检测神经元的机制研究：基于 RAID 的稀疏探测与激活修补

英文标题：A Mechanistic Study of AI-Text Detection Neurons in Frozen BERT: Sparse Probing and Activation Patching on RAID

该研究关注 AI 生成文本检测器虽然在标准基准上准确率较高，但驱动其预测的内部表征仍缺乏清晰解释这一问题。作者研究了冻结的 BERT-base-uncased 编码器中，哪些神经元支持 AI 文本检测任务。研究采用稀疏探测与激活修补方法，并以 RAID 数据集为基础开展机制分析。该工作有助于开发者和研究人员理解文本检测模型的可解释性、鲁棒性及其潜在失效机制。

2.1 KB 640 B 612 B 380 B 9.1 KB 32.7 KB 22.8 KB 24.2 KB 34.7 KB