论文相连：https://arxiv.org/pdf/2604.16042github 相连：https://github.com/PKU-PILLAR-Group/Survey-Intrinsic-Interpretability-of-LLMs 这几年，假话语模子越来越强，但个老问题永远莫得隐匿：咱们到底能不行果真相连它为什么这样修起、为什么这样理，又为什么会在某些场景下犯错致使失控？ 往日，主流作念法大多是过后表现（post-hoc interpretability）。也便是说，先查验出