repro_bundle/PROPOSAL_predictor_framing.md

# [备选 framing] Predictor-first 提案(PAC 作主贡献)

> 此为 predictor-first 备选;当前主选为 benchmark-first(见 PROPOSAL.md)。保留以备 PAC 增量显著时升级 framing。

---

All verified. The counterexample paper (2605.27958) actually concludes the inverse-scaling pattern is a *training-distribution artifact*, not genuine — which I can use to frame M2 carefully. I now have fully verified ground truth. Writing the complete proposal.

# 《Probe Stability Score》ACML 2026 主会投稿提案(完整版)

> **撰写前置说明(已完成 prior-art 核验)**:本提案撰写前已对定位文档第 4 节"必引清单"中全部 10 篇 high-threat 文献逐条在 arXiv 核实标题、作者与机制。核实结果直接改写了若干防守策略,关键修正如下(投稿前仍须复核 venue/接收状态):
> - **Dies et al. 2025(2511.19166)** 真实标题为 *Representational **and Behavioral** Stability of Truth in LLMs*,框架名 **P-StaT**。**核实确认:它是"主动扰动数据 + 度量 retraction(最高 32.7%)"的评测框架,既未把 rotation+dispersion 合成单一分数,也未做 a priori OOD 预测,且全程触碰 OOD 数据、仅限 truth 单概念。** 这是 F1 生死线的关键有利事实。
> - **Xie 2023(2303.15488)** 真实标题为 *On the Importance of Feature Separability in Predicting OOD Error*;其分数为 "feature dispersion",**并未正式命名为 "Dispersion Score"**,且预测目标是整体 test accuracy 而非探针方向几何。F3 改名 + 机制切割成立。
> - **Truthfulness Spectrum(2602.20273)** 确认其 R²=0.98 依赖 **test-set covariance(即 OOD reference)** 做 Mahalanobis 白化;PSS "免 OOD 数据"护城河有效。
> - **Probing the Probes(2511.04312)** 真实副标题 *Methods and Metrics for Concept Alignment*,其 augmentation-robustness 面向 **视觉 CAV / 空间概念(translation invariance)**,非文本 paraphrase。切割成立。
> - **Liang/Brittle(2510.11905)** 第一作者实为 **Patrick Haller et al.**,范围 4 LLM 家族 × 5 数据集 × 3 探针方法,只做 truth。
> - **Pressure-Testing Deception(2605.27958)** 结论是"inverse scaling 是 training-distribution artifact 而非真实 scale 现象"——M2 据此改为"不下普适 scaling 结论,并复现该 artifact 解释"。
> - RAPTOR(2602.00158)、SIP(2511.16288)、Fragility(2606.11375)、Marks & Tegmark(2310.06824)均核实属实。

---

## 1. 标题与一句话卖点

**中文标题:** 《探针锚定一致性分数:一种完全免 OOD 标注、仅前向传播的双分量复合指标,用于训练前 a priori 预测线性探针方向在语义保真偏移下的几何稳定性》

**英文标题:** *Probe Anchoring Consistency (PAC): A Label-free, Forward-pass Composite for A-priori Prediction of Linear-probe Directional Stability under Label-preserving Semantic Shift*

> **重要改名(回应 F3):** 弃用 "Probe Stability Score / Dispersion" 作主词根,改用 **Probe Anchoring Consistency(PAC)**,避免与 Xie 2023 的 feature dispersion 第一眼撞名。"dispersion" 仅作内部分量技术名出现,绝不作总分数名。下文 PAC = 原 PSS。

**一句话卖点:** 我们不主张"首次发现探针不稳",而主张提供一个**在严格 held-out、完全不触碰 OOD 数据的约束下,对 SIP / Fragility / Augmentation-robustness / Xie-dispersion / mass-mean 五个 baseline 取得可经 bootstrap 显著性检验之增量**的 label-free 复合预测器,并闭环验证它能排序真实 OOD drop。

---

## 2. Abstract(中文,约 190 词)

线性探针(linear/concept probe)被广泛用于读取 LLM 内部表示,但其 in-distribution(ID)准确率系统性高估了它在语义保真偏移(paraphrase / domain / length)下的方向稳定性。已有工作或停留在"诊断不稳"(Dies et al. 2025 的 P-StaT、Haller et al. 2025),或需触碰 OOD 数据做白化(Truthfulness Spectrum 2026,R²=0.98),或仅给单分量几何判据(SIP、Fragility、RAPTOR directional stability、Probing-the-Probes augmentation-robustness)。我们提出 **Probe Anchoring Consistency(PAC)**:一个仅用前向传播、完全免新标注与免 OOD 数据的双分量复合分数,分量一为方向重采样离散度(dispersion),分量二为文本增广一致性(augmentation-consistency),二者经 held-out 校准聚合为单一分数。我们的核心主张不是 framing 新颖性,而是:(i) 两分量**合成**相对各自单分量有统计显著增量(配对检验 + effect size);(ii) PAC 能在训练前 a priori **排序** 一个 shift-type × model-size × concept 矩阵中的真实 OOD drop(Spearman ρ / Kendall τ,leave-one-concept/​shift-out 交叉验证);(iii) 在零 OOD 数据约束下,对上述五个 baseline 取得 bootstrap 显著的预测增量。全部实验受限于单卡 4090 ≤200 GPU·h。

---

## 3. Introduction:研究缺口与贡献列表

### 3.1 研究缺口

线性探针正被当作"免标注评测器"用于真实性、欺骗、概念检测(Marks & Tegmark 2023;Pressure-Testing Deception 2026)。但探针在 clean benchmark 上 AUROC > 0.96,而在分布偏移下方向几何崩塌(Haller et al. 2025;2605.27958)。实践者需要一个**部署前**就能判断"这个探针方向能否迁移"的指标,且理想情况下**不应需要 OOD 数据**(否则与直接在 OOD 上评测无异)。

现有候选各缺一角:
- **诊断型**(Dies/P-StaT、Fragility):度量不稳,但不预测特定 OOD drop,且 P-StaT 触碰 OOD 扰动数据。
- **需 OOD reference 型**(Truthfulness Spectrum):R²=0.98 但需 test-set covariance 白化。
- **单分量 a priori 型**(SIP eigengap、RAPTOR mean|cos|、Probing-the-Probes augmentation):各占一个分量或一个几何判据,无人**合成两分量**并验证互补增量。
- **通用免标注 OOD 预测**(Xie 2023 feature dispersion、Deng 2023、Baek 2024):预测整体 accuracy / 流形几何,非**探针方向几何**。

**缺口一句话:** 无人在"双分量合成 + 完全免 OOD 数据 + a priori 预测 ↔ 验证闭环 + 针对探针方向几何"四约束同时成立下,给出经显著性检验、跑赢上述 baseline 的预测器。

### 3.2 贡献列表(formal,编号;已按红队收窄)

- **(主贡献 G1)** 提出 **PAC**——dispersion ⊕ augmentation-consistency 的 label-free、forward-pass、免 OOD 数据复合分数,并在**严格 held-out(leave-one-concept-out / leave-one-shift-type-out)**下证明其 a priori 排序真实 OOD directional drop 的能力(Spearman ρ / Kendall τ + bootstrap CI)。
- **(主贡献 G2)** **互补性消融**:证明双分量合成相对 dispersion-only、augmentation-only 有**配对显著**增量(Wilcoxon + Cliff's δ),即 augmentation-consistency 在 dispersion 之外携带增量信息。
- **(主贡献 G3)** **Head-to-head baseline 增量**:在零 OOD 数据约束下,PAC 对 SIP / Fragility / RAPTOR-stability / Probing-the-Probes-augmentation / Xie-feature-dispersion 取得 bootstrap 显著的预测增量;并与需 OOD 的 Truthfulness-Spectrum 白化 cosine 做"放宽约束上界"对照。
- **(支撑发现 S1=原 C1,降为被预测真值)** 构建 shift-type × model-size × concept 的 **accuracy-drop / cosine-rotation 解耦二维矩阵**,作为 PAC 预测的 ground-truth,而非独立贡献。
- **(外部效度 S2=原 C3+C4,降级)** mass-mean / LogReg / MLP 三类 estimator 与 size ladder 仅作为"PAC 预测有效性是否跨 estimator、跨 size 成立"的外部效度检验,不并列。
- **(Sanity check S3=原 C5,降级)** 基于本地 NLI 的 label-fidelity 审计协议,定位为方法学 sanity check,主动引用 NLI-filter 文献。

---

## 4. Related Work(含逐 claim 定位表 + 逐篇切割)

### 4.1 主题归类(略写,完整见附录引用)
A. 探针准确率不可靠 / faithfulness;B. 真值几何 / 方向旋转 under shift;C. 探针方向稳定性度量;D. 训练前 a priori 判据;E. 免标注 OOD 性能预测;F. transferability estimation;G–I. estimator 比较 / size ladder / NLI 审计。

### 4.2 与每篇最接近工作的逐能力对照表(直接回应 F1/F2/F3)

| 能力维度 | Dies/P-StaT (2511.19166) | SIP (2511.16288) | Fragility (2606.11375) | RAPTOR (2602.00158) | Probing-Probes (2511.04312) | Xie (2303.15488) | Truth-Spectrum (2602.20273) | **PAC(本文)** |
|---|---|---|---|---|---|---|---|---|
| rotation 分量 | Y | N | N | N | N | N | Y(cos) | **Y** |
| dispersion 分量 | Y | 谱gap | 噪声崩点 | Y(mean\|cos\|) | N | feature流形 | N | **Y** |
| augmentation-consistency 分量 | N | N | N | N | Y(视觉CAV) | N | N | **Y** |
| **两分量合成单一分数** | **N** | N | N | N | N | N | N | **Y** |
| a priori **预测特定 OOD drop** | **N(只度量retraction)** | N(只给ID判据) | N(只给崩点) | N(只诊断) | N | Y(整体acc) | Y(需OOD cov) | **Y(探针方向drop)** |
| **完全免 OOD 数据** | **N** | Y | Y | Y | Y | Y | **N(需test cov)** | **Y** |
| 预测目标=探针方向几何 | 部分 | ID可识别 | 崩点 | 诊断 | CAV对齐 | **N(流形)** | Y | **Y** |
| 跨多概念(≥10) | N(truth) | 合成 | N | concept | 视觉 | 视觉/分类 | 5 truth类型 | **Y(目标≥12)** |
| size ladder | N | N | Y | Y | N | N | N | **Y** |
| **预测↔验证闭环** | **N** | N | N | N | N | 部分 | 部分 | **Y** |

**逐篇 one-paragraph 切割(论文正文必写):**
- **vs Dies/P-StaT:** 经核实其为评测框架,度量 retraction 而**不预测**,主动**触碰 OOD 扰动数据**,且**不合成单一分数**、仅 truth。PAC 的"合成 + a priori 预测 + 免 OOD"三格对其为 N→Y。我们将 P-StaT 的 perturbation 集合作为 ground-truth drop 来源之一(被预测真值),并复现其作为 baseline。
- **vs SIP / Fragility:** 二者是单分量 a priori 判据(eigengap / 崩点),不预测特定 shift 下的 drop 排序。二者作为 baseline 跑数;PAC 主张是**增量**而非取代,删除一切 "first" 措辞。
- **vs Xie 2023:** 已核实非 "Dispersion Score" 命名、预测整体 acc。我们改名规避撞名,并实验证明"探针方向几何 ≠ feature 流形 dispersion"(见 §7.4 分离实验)。
- **vs Truthfulness Spectrum:** 其 R²=0.98 **依赖 OOD test covariance**。PAC 在更苛约束(零 OOD)下逼近;我们诚实将白化 cosine 列为"放宽约束的上界对照",而非声称跑赢。

---

## 5. Formal Claims & Hypotheses(可证伪 + 预注册阈值)

所有阈值在**看到 held-out 测试结果前**冻结,写入预注册文件随代码发布。

- **H1(原 C1,被预测真值):** 对每个 (concept, shift-type, size),探针 ID accuracy 与 OOD directional retention(1−rotation)弱相关。**判定:** 若跨配置 Spearman ρ(ID-acc, OOD-retention) 的 bootstrap 95% CI 上界 < 0.5,则 H1 成立(准确率确实高估稳定性)。
- **H2(主,G1 闭环):** PAC 在 held-out 配置上排序真实 OOD directional drop。**判定:** held-out Spearman ρ(PAC, −drop) ≥ 0.6 且 bootstrap 95% CI 下界 > 0.4。
- **H3(主,G2 互补性):** 合成 PAC 显著优于两个单分量。**判定:** 配对 Wilcoxon(合成 vs dispersion-only,以及 vs augmentation-only)p < 0.05(Holm 校正后),且 Cliff's δ ≥ 0.33(中等以上效应)。**若不成立,坦诚降级为单分量方法(回应 M1)。**
- **H4(主,G3 baseline 增量):** PAC 对每个 a priori baseline 的预测 ρ 有正增量。**判定:** Δρ(PAC − baseline) 的 bootstrap 95% CI 下界 > 0,对 SIP/Fragility/RAPTOR-stab/Aug-robust/Xie 五者分别检验,Holm 校正。
- **H5(外部效度,S2):** PAC 的预测有效性跨 estimator(mass-mean/LogReg/MLP)与跨 size 成立。**判定:** 各 estimator 子集与各 size 子集的 ρ 均 > 0.5;**不下"越大越稳"普适结论**,并显式测试 2605.27958 的 inverse-scaling 是否为 training-distribution artifact。
- **H6(sanity,S3):** 构造的 shift 确为 label-preserving。**判定:** NLI 审计通过率 ≥ 95%,且与人工抽检(每 shift-type 抽 50 条,作者内部标注,**非新众包标注**)一致率 ≥ 90%。

---

## 6. Method:PAC 的精确定义

### 6.1 记号
设隐状态层 ℓ、概念 c、估计子 e。在 ID 训练集 D 上得探针方向 **w**(单位向量)。语义保真增广算子集 𝒜 = {paraphrase, domain-reframe, length}(label-preserving)。

### 6.2 分量一:Dispersion(方向重采样离散度,免 OOD)
对 D 做 B 次 bootstrap 重采样,得方向 {**w**_b}。以 mean direction **w̄** 为锚:

  D_disp(c,ℓ,e) = 1 − (1/B) Σ_b |cos(**w**_b, **w̄**)|

值越小越稳。**度量消融(回应 M3):** 同时计算裸 cosine 与 Mahalanobis 白化 cosine(白化协方差仅用 **ID** covariance,绝不用 OOD,以守住免 OOD 约束),报告 PAC 对度量选择的稳健性。

### 6.3 分量二:Augmentation-consistency(文本增广一致性,免 OOD、免标注)
对 ID 样本施加 𝒜 中算子得增广版本(**仍是 ID 语义、标签由构造保持**,经 §6.4 审计),在增广前向激活上**重训**探针得 **w**_a:

  D_aug(c,ℓ,e) = 1 − (1/|𝒜|) Σ_{a∈𝒜} |cos(**w**_a, **w̄**)|

关键:这里增广是对 **ID 数据**做 label-preserving 变换以探测方向脆性,**不是 OOD 测试数据**——这正是与 Truthfulness Spectrum 触碰 OOD 的区别。

### 6.4 合成(单一分数,held-out 校准)
  PAC(c,ℓ,e) = σ( α·z(D_disp) + (1−α)·z(D_aug) )
其中 z(·) 为基于 **dev 配置** 统计量的标准化,α∈[0,1] 为唯一聚合超参。

**严格防泄漏(回应 F4,生死线):**
- α **只在 dev 概念-shift 组合上**用 grid {0,0.1,…,1} 选定,选定后冻结。
- 所有报告结果只在**完全 held-out 的 concept × shift-type × size 组合**上计算。
- 主结果用 **leave-one-concept-out** 与 **leave-one-shift-type-out** 双交叉验证,证明 PAC 跨概念、跨 shift-type 泛化而非记忆 S1 矩阵。

### 6.5 Shift 构造与 label-fidelity 协议(S3,sanity)
- 三类 label-preserving shift:**paraphrase**(LLM API 改写)、**domain**(改写为新领域措辞)、**length**(扩写/缩写)。逐字对齐 Haller et al. 2025 的三类定义以便 head-to-head。
- **生成-过滤管线(overgenerate-and-filter,主动引用 Falsesum 2022 / DISCO 2023):** API 过量生成 → 本地 DeBERTa-v3-MNLI 双向 entailment 过滤(roundtrip consistency)→ 仅保留双向 entailment 的样本。
- 审计定位为 **sanity check**,报告通过率与作者内部抽检一致率(**零新众包标注**,遵守约束)。

---

## 7. Experiments

### 7.1 数据集与模型
- **概念(≥12,回应 M6 统计功效):** truth(Cities/Counterfact 风格)、sentiment、formality、toxicity、language-ID、tense、negation、topic(≥5 类)等,涵盖 factual 与 stylistic,确保"跨多概念"卖点有功效;报告每个 ρ 的 bootstrap CI。
- **模型 / size ladder:** Pythia 全 ladder(70M–2.8B,单卡可载)+ Gemma-2-2B(若显存允许),对齐 2505.21399 / 2605.27958 以复现/检验 scaling。
- **激活提取:** 一次前向缓存隐状态,全部 baseline 共享缓存(省 GPU)。

### 7.2 Baselines(纳入 must-have,回应 M4)
- **A 组 a priori(全跑):** SIP(eigengap)、RAPTOR directional stability(K 次 ablation mean|cos|,= dispersion-only 对照)、Fragility(临界噪声崩点)、Probing-the-Probes augmentation-robustness(= augmentation-only 对照,适配为文本增广)。
- **B 组通用免标注 OOD:** Xie feature-dispersion(必跑,证明非换皮)、Deng 2023 Confidence&Dispersity 或 Baek 2024 Agreement-on-the-Line(至少一)、Geometry Markers(effective manifold dim)。
- **C 组 estimator:** mass-mean、LogReg、MLP。
- **D 组方法学:** Hewitt & Liang control-task/selectivity probe;裸 cosine vs Mahalanobis 白化 cosine(Truthfulness-Spectrum 风格,作为放宽 OOD 约束的上界对照)。

### 7.3 主实验
1. 构建 S1 矩阵(真实 OOD accuracy-drop / cosine-rotation,解耦)。
2. 计算所有 a priori 预测器(含 PAC)。
3. 报告 held-out **Spearman ρ / Kendall τ**(PAC vs 真实 drop),双交叉验证。

### 7.4 关键消融与分离实验
- **互补性(H3):** dispersion-only / augmentation-only / 合成 三档,配对 Wilcoxon + Cliff's δ + Holm 校正。
- **方向几何 ≠ 流形 dispersion(回应 F3):** 在 paraphrase shift 上对比 PAC 与 Xie feature-dispersion 的预测相关性,预期 Xie 在 paraphrase 上失效(因流形整体不变但方向旋转),PAC 不失效——以图证明机制分离。
- **度量消融(M3):** 裸 vs 白化 cosine。
- **size 效应(M2):** PAC 预测有效性随 size 是否单调;复现/检验 2605.27958 的 inverse-scaling-as-artifact。

### 7.5 统计方案
- 每配置 **5 seeds**;所有相关系数报 **bootstrap(10k)95% CI**;多重比较 **Holm-Bonferroni**;效应量报 **Cliff's δ / Cohen's d**;预注册阈值见 §5。

---

## 8. Expected Results 与可能的负结果叙事

**预期正结果:** H2(ρ≈0.6–0.75 held-out)、H3(合成显著优,δ≈0.4)、H4(对 SIP/Fragility/Xie 有正增量,对 RAPTOR-stab 因其=dispersion-only 故增量主要来自 augmentation 分量)。

**可能负结果的诚实叙事(预先写入,回应 M1/M2):**
- **若 H3 不成立**(合成不优于 dispersion-only):坦诚降级为"单分量 dispersion 预测器 + 一项 augmentation 失败的负结果",仍贡献"augmentation 分量在文本探针上无增量"这一可发表 negative finding。
- **若对某 baseline 无显著增量**:在 limitation 明确该 baseline 已足够,PAC 的价值退守到"统一框架 + 闭环验证"。
- **若 size 出现 inverse scaling**:不下普适结论,引 2605.27958 解释为 training-distribution artifact 并复现其 style-augmented 恢复实验。
- **若白化 cosine(用 OOD cov)大幅超过 PAC**:诚实陈述"免 OOD 的代价",将 PAC 定位为"约束受限场景下的最优",而非全局最优。

## 9. Reproducibility
- 发布:全部**激活缓存**、探针权重、PAC/baseline 实现、**预注册阈值文件**、shift 数据集 + NLI 审计通过率、seed 列表、leave-one-out split 清单、bootstrap 脚本。
- 一键复现脚本 + 固定 commit;所有 baseline 在共享缓存上运行以保证可比。

## 10. Budget 明细(单卡 4090 ≤200 GPU·h,API <$100)

| 项目 | 估算 | 说明 |
|---|---|---|
| 激活缓存(12 概念 × ladder 6 size × 缓存)| ~40 GPU·h | 一次性前向,全 baseline 复用 |
| 探针训练(3 estimator × bootstrap B=50 × 5 seed)| ~50 GPU·h | LogReg/mass-mean 极廉,MLP 主成本 |
| Augmentation 重训探针(3 shift × 上述)| ~45 GPU·h | label-preserving 增广激活 + 重训 |
| Baselines(SIP/Fragility/RAPTOR/Aug/Xie/Geometry)| ~35 GPU·h | Fragility 噪声扫描最贵 |
| Dies/P-StaT baseline 复现 | ~15 GPU·h | 用其公开 code/data |
| 缓冲 | ~15 GPU·h | 共计 **~200 GPU·h** |
| **API(paraphrase/domain/length 过量生成)** | **<$80** | 12 概念 × 3 shift × overgenerate 3x,GPT-class API;DeBERTa-MNLI 过滤本地零成本 |

## 11. Risk & 退路(逐条对应红队致命攻击)

| 攻击 | 缓解 / 退路 |
|---|---|
| **F1(Dies 抹平)** | 已核实 P-StaT 不预测、触碰 OOD、不合成、仅 truth → 逐能力对照表 3 格 N→Y(合成/预测/免OOD,均非边角);复现 P-StaT 作 baseline。**退路:** 若 P-StaT 修订版加入预测,立即二次检索并将 PAC 收窄至"免 OOD + 合成"双格。 |
| **F2(首个被证伪)** | **全文删除 first/novel framing**,改 "empirically outperforms ... under zero-OOD constraint";SIP/Fragility/Truth-Spectrum 全跑;增量带 bootstrap CI。 |
| **F3(Xie 换皮)** | 改名 PAC;§7.4 分离实验证明方向几何 ≠ 流形 dispersion(paraphrase 上 Xie 失效)。 |
| **F4(循环论证/泄漏)** | α 仅 dev 选;结果仅 held-out;leave-one-concept/shift-out 双交叉验证;split 清单随码发布。 |
| **F5(C3 复现)** | C3 降为 S2 外部效度,仅在"PAC 能否预测三 estimator 谁更稳"从属问题下出现,绝不并列。 |
| **M1** | H3 配对显著 + 效应量;不显著则降级 + negative finding。 |
| **M2** | C4 仅交叉维度;主动复现/检验 2605.27958 artifact,不下普适 scaling 结论。 |
| **M3** | 裸 vs 白化 cosine 消融(白化仅用 ID cov)。 |
| **M4** | A 组四 baseline + Xie 全跑,B/C 各 ≥1;缺项写 limitation。 |
| **M5** | C5 降 sanity;引 Falsesum/DISCO;报通过率 + 作者内部抽检一致率(零新众包)。 |
| **M6** | ≥12 概念;ρ 报 bootstrap CI;概念不足则撤回"跨多概念"主张。 |
| **M7** | 已逐条核实 10 篇 high-threat(本提案顶部);投稿前再复核 venue/接收状态,对所有篇目无论是否发表均切割。 |

**三条生死线状态:** F1(对照表 3 格 N→Y + 复现跑赢)✓ 设计就绪;F4(无泄漏 split + 双交叉验证)✓ 设计就绪;M1(互补性显著或诚实降级)✓ 含退路。三者同时成立,具备从 Reject 翻盘的最小充分条件。

---

**关键风险提示(交付给通讯作者):** 唯一未闭合的风险仍是 **Dies/P-StaT 是否会在修订版加入预测闭环**。本提案已核实其当前版本不预测,但投稿前须二次检索其最新版与是否被 NeurIPS/ICLR 接收;若其新增预测,PAC 须立即收窄至"合成 + 免 OOD 数据"双格护城河,并强化 §7.4 的方向几何 vs 流形分离实验作为差异化主轴。

**已核实文献链接(供投稿前复核 venue):** Dies/P-StaT [2511.19166](https://arxiv.org/abs/2511.19166) · SIP [2511.16288](https://arxiv.org/abs/2511.16288) · Fragility [2606.11375](https://arxiv.org/abs/2606.11375) · RAPTOR [2602.00158](https://arxiv.org/abs/2602.00158) · Probing-the-Probes [2511.04312](https://arxiv.org/abs/2511.04312) · Xie [2303.15488](https://arxiv.org/abs/2303.15488) · Truthfulness-Spectrum [2602.20273](https://arxiv.org/abs/2602.20273) · Haller/Brittle [2510.11905](https://arxiv.org/abs/2510.11905) · Factual-Self-Awareness [2505.21399](https://arxiv.org/abs/2505.21399) · Pressure-Testing-Deception [2605.27958](https://arxiv.org/abs/2605.27958)