构建BONAFIDE基准证明主流CoT忠实性指标基本无效

COTRACE目标级归因框架，量化并暴露人机协作中AI对目标塑造的贡献

CNA：仅干预 0.1% MLP 神经元，将指令模型拒绝率降低超 50% 且保质量

理论上证明激活引导把残差流推到任何提示都不可达的状态。

SAE约束CLIP微调，仅在语义特征空间内做特征重加权

DLR通过离散潜在码引导残差流，在低数据下单阶段超越SFT。

在 LLM 隐藏层发现的微观-宏观社会粒度轴：对齐 PC1、跨模型可迁移、可因果引导。

用多模态 CNN 从服饰图像中恢复并公开可追溯到具体时装屋的编辑身份信息

用TAS辩证推理抑制多智能体LLM的角色归因偏差（AOA）

把工业维护问答重构为具身决策问题，用FMEA知识图+传感器仿真器+溯源验证，让LLM回答从'流畅文本'变成'可审计、可证伪'的运维建议

CREDENCE：把概念层不确定性拆成认知（集成分歧）与偶然（监督歧义头），变成可执行路由决策。

利用 LLM 内部中间层「安全神经元」替代端层表征，构建仅需 14M 参数的即插即用安全护栏

揭示 LLM 数字表征的"频谱 vs 几何"两级收敛分离，证明 Fourier 尖峰普遍但模运算可分性苛刻

用大模型内部高影响神经元的激活图为目标任务挑预训练数据，免训练且可解释

用对比式LRP归因分析LLM在长上下文基准上的真实失败。

构建可控多模态乘法基准，用算术负荷C与强迫续写探针揭示多模态LLM的乘法失误源于计算而非感知。

系统量化10个全模态大模型的模态偏好，发现多数模型呈现视觉偏好而非传统VLM的文本主导，且偏好信号在中后层涌现并可有效诊断跨模态幻觉

用Shesha几何稳定性指标分别预测steering成败与漂移

Olmo 3 三系谱追踪揭示多样性崩塌由训练数据驱动而非算法本身

用LLM自身调用日志训练轻量替代模型，按一致性门槛自动路由降本。