pre-registered

本文对LLM评判的有用性是否能够可靠地区分AI辅导中直接给出答案与教学引导进行了预注册审计。作者发现，通用有用性并非可靠的教学信号，建议改用针对教学的评分标准和确定性过程度量。

这项预注册研究测试了和乐（一种几何度量）是否集中在Gemma 2 2B语言模型的主动SAE特征平面上。与语义集中预测相反，主动特征平面比匹配的混合特征控制平面携带更少的和乐，导致了一个狭窄的操作性反转，其根本原因仍然未知。

本文报告了一项关于前沿LLM智能体（Claude Opus 4.8）小型经济的预注册实验，测试了关于财富增长的信息论容量区域以及人口失调的平均场残差标度律的预测。结果证实了将智能体知识与收益联系起来的定量信息定律，但拒绝了平均场假设，揭示了离散吸引子动力学。