研究者 srishti_gureja 提议“权重空间推理”：从激活空间直读模型隐藏意图

srishti_gureja 提出“权重空间推理”设想，将模型视为“激活空间言语化器”，通过激活空间直接检测未在 CoT 中表露的 eval-awareness 或 scheming 倾向。若该路径可行，可补足仅依赖 CoT 监控可能漏掉隐藏意图的局限；目前这一设想尚无实证结果。