preregistration

一项预注册的因果审计发现，能够感知协变量的时间序列基础模型（Chronos-2、TiRex-2、TabPFN-TS、TimesFM-2.5）预测的是关联，而非干预效应；研究推导出的混杂差距可通过使用 LoRA 适配器进行简短的干预式后训练，最多缩小 83%。

一项针对小型Transformer的预注册压力测试表明，虽然潜在因果结构可以被定位，但将其释放到行为中却失败：门控检测器在分布外反转，线性释放方向低于充分性界限，从而将定位与行为释放分离开来。

本文研究Transformer如何组织因果知识，表明类型级监督会诱导一种类型化的路由结构，该结构在功能上与答案读出解耦，并具有精确的局部可编辑性和位精确的可还原性。

提出一种协议，通过预注册实验并在预注册后第一个符合条件的模型上运行实验，来减轻基于LLM的研究中的p值操纵，并在多个模型上展示了显著的减轻效果。