可解释性arXiv 2609.04721·9月4日研究：拒答方向可跨架构迁移，安全工具可按写入位置重新估计在写入点定位拒答方向，经刚性旋转跨架构迁移并门控放大arXiv2609.04721发表9月4日层模型层场景模型与 API防御推理时干预攻击越狱风险拒答失当组件监控器摘要拒答方向可经刚性旋转跨架构迁移，但必须在各架构的写入点读取。作者研究拒答表示是否随架构改变，结论是表示共享、读取位置随架构变。深度解读完整解读