可观测模式并非解释：潜在推理模型的因果几何分析

潜在推理模型（LRMs）用连续思维取代了显式思维链。近期研究将可观测的潜在状态模式视为内部推理机制的证据。本文通过对比实验与因果干预发现，这些模式在无特定结构的对照组中同样存在，且不一定对行为产生因果影响。研究表明，潜在思维的利用是分级而非二元的，其因果效应集中在低秩方向上。结论指出，潜在思维应被视为隐藏计算而非隐藏解释，仅凭可解码性或静态结构无法确立机制，LRM 的可解释性研究需结合匹配对照与因果测试。