Connor Dilgren 首篇预印本：潜空间推理模型默认不可监控，mech interp 可解

研究者 Connor Dilgren 发布其首篇 LM 可解释性预印本，指出潜空间推理模型不在人类可读的自然语言文本中推理，因此默认不可监控。论文探索能否借助 mechanistic interpretability 取得对其中间推理步骤的理解，该工作将在 COLM 会议现场展示（海报 #136）。