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。

用强化学习训练的工具调用Agent在胸部CT报告生成中显著超越3D视觉语言模型

提出分歧子集评估框架，揭示LLM关于答案正确性的特权知识仅在事实任务中存在。

诊断 VLM 计数的视觉注意力塌陷，并提出 MAS 注意力预算正则。

揭示 VLM 靠语义标签“短路”视觉推理的失败机制

SteerViT通过早期融合交叉注意力让冻结ViT可文本操控，并保持原表征质量

首个全面开源的CoT可监控性评估基准，揭示LLMs隐藏决策因素的能力与局限性

通过零空间几何与CLIP映射，量化分类器的语义不变性

发现VLM中单个神经元可作为强分类器，实现5倍推理加速

用 Shapley 值系统剖析六个 SOTA 音视觉语音识别模型在 SNR、解码过程、时序对齐上的模态贡献动态，揭示显著的音频偏置问题。

用LLM发现类别概念+VLM定位，微调ViT相关性图对齐语义区域，提升分布偏移鲁棒性

推理模型几乎无法控制自己的思维链内容，这对 CoT 监控安全性是个好消息。