循环语言模型中的操作原型自省：过程质量水龙头、可执行分支和读出控制边界

语言模型能否读取其正在进行的计算的质量，并且外部干预能否将读取的结果转化为更好的结果？我们在冻结的 2.6B 循环 Transformer、Ouro-RLTT 中测试这两个问题。在 GSM8K 上，严格的预答案探测排除了答案区域和标准答案值，但预测成功：隐藏状态加上长度/对数概率特征达到 AUROC 0.797，而单独这些表面特征则达到 0.731（增量 +0.066；任务集群 95% CI [+0.021，+0.112]；170 个任务）。在 Horizo​​n Logic 上，一项前瞻性扩展的任务不相交研究给出了 +0.111 的增量（CI [+0.056，+0.169]），在新队列上独立复制（+0.095），并且对对抗性畸形兄弟捷径具有鲁棒性。重复性还将候选质量的可读性逐渐移至更早的物理深度；这种趋势在 Ouro 家族中得到了复制，在非家族 Huginn 中也得到了定性的体现，尽管他们的转移几何结构不同。读数转换为经过验证的决策级增益。在四个密封的选择性预测臂中，基于隐藏状态的分数比仅快捷方式的分数提高了风险覆盖率，即使每个候选者都形成良好，最终选择也会随机匹配（27/32 正确选择相对于 64.8% 预期；p = 0.0086）。生成控制不会转换：方向转向为负，分支屏幕有界，精确计算循环分配和最小 LoRA 方向绑定检测不到增益。这些测试通过 Ouro 的 192 槽循环缓存上的位精确分支/进位/修剪机制运行，包括后缀重新计算拼接，可节省高达 88% 的每分支层传递。我们将这种可用但不可生成控制的属性称为操作原型内省。所有承载值都使用源项不相交分割和反对称成对评估。