模型内部 · 五篇路线

从 Activation 走到 Agent 行为

Agent 改了一个文件，并不等于“模型直接动了磁盘”。这组文章按时间顺序分开 weights、activation、无声与可见推理、tool call、runtime 和环境结果，再讨论哪些内部证据真的支持因果判断。

阅读边界：内部读数是仪器，不是模型的逐字自传。每篇都会区分相关性、干预得到的因果证据和关于“模型在想什么”的解释。

阅读路线

先建立全景，再逐层读出、识别与干预

五篇共用一条保留期修改任务，让每个概念都落到输入、状态、工具调用与文件结果上。

跟随一次文件修改，分清模型计算、工具调用提案、runtime 执行，以及 activation、KV 缓存和持久记录。

区分 J-lens 读取、稀疏重构与因果干预，跟随官方 jlens 实现核对拟合、读数和复现边界。

比较 CoT、NLA、SAE 与 J-lens 的证据边界，并从 Coconut 源码理解连续思维。

从角色方向的提取、Assistant axis 与单侧 capping，理解 post-training 如何稳定角色，以及自我模型证据的限度。

对照 ActAdd 与 CAA 的注入位置，区分推理时干预、reflection training 与独立审计，以及各自的验证和回滚条件。