Автор применяет открытую Якобиеву линзу (J-lens) к модели Qwen3-8B для обнаружения внутренних состояний рассуждения, вдохновившись открытием Anthropic о молчаливом «J-пространстве» Claude. Этот подход позволяет отслеживать скрытые активации, которые не проявляются в виде видимого текстового вывода.
- J-lens захватывает молчаливые концепции в активациях, отличая их от читаемого текста цепочки рассуждений (chain-of-thought).
- Инструмент успешно обнаружил дрейф прозы перед вызовами инструментов, выявив склонность модели к естественному языку («To, You, Do…») вместо JSON.
- Обнаружение было интегрировано в агенты-стражи для остановки или отмены операций и дистилляции восстановлений в данные LoRA.
Этот метод обеспечивает механизм мониторинга и коррекции внутреннего поведения модели, остающегося невидимым в стандартных текстовых выводах.