英国曼彻斯特大学由丹尼洛·S·卡瓦略博士和安德烈·弗雷塔斯博士领导的研究团队，开发出一种名为LangVAE和LangSpace的新软件框架，可大幅降低大语言模型（LLM）可解释性与可控性研究的资源消耗。该成果发表于arXiv预印本平台，为推动可信AI的发展提供了关键技术突破。 传统方法在分析和调整LLM行为时，需要大量计算资源和能源，严重限制了可解释AI的研究门槛。新方法通过构建大语言模型的压缩语言表示，将模型内部的语言模式转化为可几何分析的空间结构——如同将语言特征视为空间中的点与形状，从而实现无需修改模型本身即可进行解释与控制。这一创新使计算机资源使用量相比以往技术减少超过90%。 该技术不仅显著降低硬件与能源成本，还大幅降低了研究门槛，使更多研究人员、初创企业及产业团队能够参与可解释AI的探索与开发。卡瓦略博士表示，团队的目标是加速可信、可靠AI在医疗等关键领域的应用，同时减少AI研究对环境的影响。 这项突破有望推动AI系统从“黑箱”走向透明可控，为构建安全、可信赖的人工智能提供坚实基础。