当激活预言机学会不再阅读：微调预言机中的概念特异性盲点

论文研究激活预言机（AO）能否可靠读取另一模型的内部信息。在禁词猜测实验中，微调后的AO会选择性地无法报告其训练中持续出现的隐藏概念，成为“反阅读器”。分析显示，目标概念仍可在AO内部解码，失败更可能发生在读出路径，说明行为泄漏、表示可解码性与AO可言说性并不等价。