证明两层网络学群复合时，每个神经元收敛到单个不可约表示并秩一对齐，Abel 群下达到完美精度。

诊断答案正确长CoT轨迹中答完仍续写的有害续写，并用0.5B轻量HCC代理切除它

在SAE特征选择中引入协变量，让LLM假设生成聚焦研究者关心的子群差异。

用四类可证伪假设系统检验LLM欺骗探针，发现其脆弱性源于训练分布而非架构，可经风格增强修复。

用代码作为画笔，将图像生成分解为概念化、草图和着色三阶段

通过推理内化和稀疏自编码器分解，提供嵌入层面的密集检索可解释性

把注意力矩阵拆成对称与反对称两部分，用 Hopfield 能量视角诊断并用「循环扰动」控制扩散模型的保真度-多样性权衡。

首次系统比较 6 种不确定性估计方法在激活预言机上的校准效果，发现温度自助法显著优于自述置信度。

现有证据不足以证明大语言模型具有强元认知监控能力

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。