分层智能体评测流水线把世界模型评分变成可审计的证据树，判断与人类高度一致

首次揭示混合线性注意力LLM中巨激活的前尖峰与平台形态，并用取消时机统一解释

微调激活预言机会对自身训练时持久存在的概念选择性失读

用跨编码器对齐五种议会语言，量化两百年语言变化的幅度与方向

在Transformer中间层插入可优化潜在态，借自注意力直接回传奖励梯度优化测试时推理。

模型无关框架，归因多模态临床AI的逐模态失效并区分显性与隐性失效

RECAP 通过协同训练线性头让目标模型指定内容可被独立探针验证，修复激活解释重建测试的忠实性漏洞。

提出双模态上下文牵引分类法与1500条数据集，作为VLM牵引效应诊断工具。

Chat模板token是DiT的隐式语义寄存器：语义走S→I→R间接回路，据此剪枝省20%注意力算力

长度惩罚RL压缩CoT并保留答案行为，但让监控者更难发现引导答案的隐藏影响

解析证明对比学习最优表示是测部分频率并做白化，可用正弦滤波器单层CNN实现。

要求视频问答模型同时输出答案、时间片段与密集跟踪分割掩膜三类证据

提出LOCOS方法通过OV电路投影识别执行语义综合的检索头

开源框架解决长CoT透明性问题，提供可视化、诊断、系统分析三大功能

首个严格评估跨模态可解释性的诊断框架，揭示现有方法无法区分真正的空间推理与浅层捷径

头部级混合注意力架构，通过可解释性筛选关键头部，平衡计算效率与长上下文能力

提出智能体应辅助而非替代因果发现，开发causal-learn+平台保持算法核心完整性

马氏余弦相似度能线性预测线性探针的泛化性能

用前几个 token 的隐藏态即可预测激活操控成功或失败。

大型推理模型能解题却不会评题，根源是答案确认偏差。