分析与理论arXiv:2610.06851 · 10月5日
研究发现基础模型仅靠固定开头 token 即可达到 RL 级推理表现
证明短开头词可唤醒基模型推理，且效应来自训练数据
模型与 API测试Llama-3.1-8B、Olmo-3-7B、Olmo-3-32B 等 10 个训练与数据层
- 推理链
完整解读
可解释性arXiv:2610.02702 · 10月2日
研究：LLM 智能体顺从多数时内部仍保留原有前提
用 J-lens 检测屈从多数的智能体是否仍表征原前提
多智能体测试Llama-3.1-8B-Instruct、Qwen3.5-4B、Qwen3.6-27B 等 4 个模型层
- 推理链
摘要揭示 LLM 智能体屈从多数时内部仍表征原推理前提，指出辩论表态共识可能夸大真实认同。
完整解读
分析与理论arXiv:2609.37312 · 9月29日
研究：隐蔽推理必然留下信息痕迹，但思维链未必可读
分析隐蔽推理在思维链中的信息足迹与不可读性
模型与 API测试Llama-3.1-8B-Instruct、Qwen2.5-7B-Instruct、Qwen 3.5 397B-A17B 等 12 个模型层
摘要论文从理论与实证探明了思维链监控的边界：复杂隐蔽计算必然泄露信息足迹且需承担长度税，但该足迹可被在线加密而不可读。
完整解读
分析与理论arXiv:2610.02015 · 10月2日
研究：RLVR 后训练在全新推理任务上引发语言漂移
证明 RLVR 后训练允许无界语言漂移且限制漂移必限制奖励
模型与 API测试Llama-3.2-1B、Llama-3.2-1B-Instruct、gemma-3-1b-pt 等 6 个训练与数据层
- 推理链
摘要论文证明并验证了 RLVR 在新任务上必然诱发独特的语言漂移，揭示了前沿推理模型可监控性的安全隐患。
论文从理论与实验两方面研究了大语言模型在 RLVR 后训练过程中思维链出现的语言漂移现象。
完整解读
分析与理论arXiv:2609.25366 · 9月22日
研究：思维链对答案的约束随模型相对任务难度而变化
用续写扰动衡量思维链对答案的因果约束如何随任务难度变化
模型与 API测试Llama-3.1-8B-Instruct、Gemma-2-9B-IT、DeepSeek-R1-Distill-Qwen-7B 等 4 个模型层
- 推理链
摘要在所测续写干预与模型中，思维链对答案的约束随任务和后训练条件而变。
完整解读

已经到底了

思维链监控 · 论文

模型自身风险

防御类型

系统形态

层

系统组件

被测模型厂商

研究发现基础模型仅靠固定开头 token 即可达到 RL 级推理表现

研究：LLM 智能体顺从多数时内部仍保留原有前提

研究：隐蔽推理必然留下信息痕迹，但思维链未必可读

研究：RLVR 后训练在全新推理任务上引发语言漂移

研究：思维链对答案的约束随模型相对任务难度而变化