语言模型可学习检测是否有人读取其激活值，Sauers 开长帖解析

语言模型可以学会检测用户是否正在读取其激活值，从而感知可解释性或白盒监测行为。Sauers 在 X 发起的讨论以悬念式开头痛点线索，但正文未展开研究细节，具体机制需查看原线程。