Belief or Circuitry? Causal Evidence for In-Context Graph Learning

Diese Arbeit untersucht, wie LLMs im Kontext lernen, indem sie eine Graph-Zufallswanderungsaufgabe verwendet, um zu erforschen, ob sie Muster abgleichen oder latente Strukturen ableiten. Es zeigt sich, dass keine Erklärung allein ausreicht, und präsentiert Beweise für die gleichzeitige Kodierung von Graphtopologien und kausale Interventionen.