借鉴法证隐藏信息测试，从内部激活读出被隐瞒的答案，区分「不肯答」与「不会答」

行为唯一确定输出Fisher几何：它跨模型共享、由语言统计塑造，并规定最小扰动干预

把每个 token 的单一记忆行扩展为多槽位混合，用隐藏状态门控实现上下文感知的记忆查找

层更新可分解为平行与垂直分量：平行冗余可删甚至利于训练，垂直关键而脆弱

用少量固定位置的连续寄存器令牌，让扩散语言模型在清除已生成文本后继续推理。

用成对图像替换审计，量化放射报告可用性对医学VLM图像敏感度的影响

仅训封闭任务即浮现开放报告能力，冠脉造影端到端可审计解读

分布驱动的转向向量能复现Schwartz价值环几何，行为导向方法只学到行为捷径。

模型内部已线性编码“无解”信号，但它与安全拒答轴近乎正交，未被路由进弃答行为。

提出注意力三角框架诊断音视频扩散模型的跨模态语义泄漏，并以免训练注意力偏置修复音源归属。

AM-Bench将空间组合与代码表达分离：纯文本LLM仅编码通用布局，具体画面生成时才逐步确定

把LM头稀疏分解为读出特征，精确解释lens分数并暴露拟合语料偏差

用数学教育学的启发式与语义空间解析LLM思维链，诊断推理失败并改进RLVR后训练

从单一语言提取的功能向量可跨语言迁移，零样本操控多语言情感分类行为

把LSM的调解-策略-执行分离搬进LLM推理服务，让可解释性信号变成可运行的输出门禁。

用生成事实图统一训练、学习与推理动力学，二阶预测器达91.43%边界预测准确率

用YOLO定位加确定性几何验证取代VLM直接预测，CT空间问答准确率达94.1%

轻量适配器把冻结视觉-语言模型对齐到冻结人脸识别空间，提示词变语义锚点，无标注完成解释与审计。

提出三类行为探测与因果干预，量化并揭示ASR模型对公开基准的过拟合

从预训练检测器引出语义/几何/上下文先验,组成5维可解释表示,不动检测器即刷新OoD检测SoTA