论文发现潜在推理探针难读出输入复制值，且可读未必被使用。
资讯摘要
论文在循环模型 Ouro-1.4B 与标准 Transformer Qwen 2.5-1.5B 上，用仅差一个数字的最小提示对检验潜在推理探针。作者报告该数字在最后一个提示 token 处存在且跨问题共享编码，读出约 0.9；但常规单提示探针几乎读不出，Ouro 为 0.36、Qwen 为 0.19。作者提出含合成零假设的协议，用于区分计算值与输入复制、混合。
要点速读
- 作者用最小提示对比较，发现被复制数字在最后提示 token 处可读出约 0.9，但单提示探针仅 0.36（Ouro）和 0.19（Qwen）。
- 作者指出随机词替换比数字变化对状态影响更大且更易读出，因此成功探针也存在歧义。
- 在两步问题预注册研究中，作者报告 Ouro 写出答案末位前存在未写出的中间值 a+b 的微弱信号，但将其保持到另一问题并不改变输出数字。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/24 08:00:37（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。