机制可解释性实验：注入残差以验证抽象工作空间
kevrussell · x · 2026-07-07
研究者围绕“抽象工作空间（abstract workspace）”何时被激活设计对照实验。当前实验注入的是 unembedding 方向（输出基）；他提出下一步改为注入 source-prompt 的残差，以检验抽象工作空间（承载概念而非输出 token）是否会更早被点燃，从而直接验证原论文的核心主张。
kevrussell · x · 2026-07-07
研究者围绕“抽象工作空间（abstract workspace）”何时被激活设计对照实验。当前实验注入的是 unembedding 方向（输出基）；他提出下一步改为注入 source-prompt 的残差，以检验抽象工作空间（承载概念而非输出 token）是否会更早被点燃，从而直接验证原论文的核心主张。