文章主要内容总结

本文提出了一种名为CodeQ的可解释性方法，旨在通过全局代码解释来分析大型语言模型（LM4Code）的代码生成决策过程。CodeQ通过三个核心步骤实现：

1. Rationalization：提取影响代码预测的关键输入token子集（rationale），通过贪心算法逐步选择对目标令牌概率贡献最大的token。
2. Mapping：将token映射到更高层次的代码概念（如语法结构、自然语言元素等），构建可解释性矩阵。
3. Reduction：通过统计聚合（如平均值、中位数）生成全局可解释性张量，揭示模型在代码生成中的系统性趋势。

通过实验验证，CodeQ能够有效识别模型依赖的代码概念（如if语句、缩进等），并发现模型可能过度依赖无意义token（如标点符号）的问题。用户研究表明，CodeQ的解释具有可读性和实用性，可帮助开发者理解模型行为并促进模型调试。

创新点

1. 全局代码解释框架：首次提出基于代码概念的全局解释方法，超越传统token级分