近期一项针对Gemma系列语言模型的机制可解释性研究，成功定位其内部事实性知识的三阶段召回回路。该研究利用激活修补技术，在涵盖二十个知识类别的六十组提示词对上展开实验，系统隔离了Gemma-2B与Gemma-12B-IT模型的计算组件。结果表明，无论模型规模如何，事实召回均遵循高度一致的路径：第一阶段为存储期，事实以向量方向编码于残差流中，集中于前十四至二十七层，其因果贡献远超注意力头与多层感知机；第二阶段为路由期，信息通过分布式注意力头从实体位置向预测位置转移，无单一主导神经元；第三阶段为读取期，模型仅需在末端层直接读取已编码信号，无需重新计算。实验同时指出，不同架构间的分词器差异易引发提示词映射偏移与数据集漂移，跨模型比较需预先校验。该成果证实了知识回路在模型缩放过程中的结构稳定性，为模型故障干预与机制优化提供了精确坐标。后续研究将引入路径修补技术并推进跨架构复现，以进一步厘清计算组件间的定向因果联系。