模型更可靠地表征沟通意图，却未必据此行动

这项研究把用户的沟通意图作为独立的可解释性对象，发现六个模型、四个模型家族及基础检查点的默认通道隐藏状态，都能通过线性探针稳定解码“识别还是评价”等意图，而且与表面措辞无关。问题主要出在读出和行为：部分模型没有按意图生成回应；在识别/评价任务中，因果方向引导可恢复目标行为，但可能压过明确指令。