空间中的故事：概念信念空间中的上下文学习轨迹

基于摘要分析。该研究关注 LLM 在上下文学习中更新行为时，其潜在假设空间具有怎样的结构。作者提出“概念信念空间”：模型在低维几何空间中分配信念，随上下文推进发生的信念更新可描述为该空间中的轨迹，并以故事理解任务结合行为分析和内部表征分析检验这一解释。 作者报告，在所研究的故事理解情境中，信念更新可由低维、结构化流形上的轨迹较好描述；相应结构同时反映在模型行为与内部表征中，简单线性探针能够解码相关表征并预测行为。作者还报告，对这些表征的干预能够因果性地引导信念轨迹，且干预效果可由概念空间的几何关系预测。其贡献是为上下文学习的贝叶斯解释提供结构化表征层面的几何描述，而非提出已验证的 EEG 或 BCI 解码方法。 摘要未给出模型名称、故事材料规模、信念的操作化定义、流形估计方法、探针训练与评估划分、干预操作及定量结果。实验协议、消融及统计信息尚未验证；尤其需要核对探针的泛化范围，以及干预如何排除一般性表征扰动等替代解释。当前不能据此认定该几何结构适用于所有 LLM 或其他上下文学习任务。 平台推测（待验证）：若 EEG 解码器的内部表征也包含随上下文变化的低维任务状态，该研究的轨迹分析、线性探针与表征干预思路可能用于研究解码器的状态更新。该假设需要明确的状态标签或行为监督，不能直接沿用故事理解中的概念坐标；EEG 的低信噪比、跨被试差异和有限样本可能使几何结构不稳定。小规模检验可在固定解码器和明确标注任务状态的 EEG 数据上，用训练集估计表征子空间，在独立留出数据上检验状态预测与干预效应，并与随机子空间干预对照。原领域结果不构成 BCI 有效性证据，已有 EEG 相关工作尚未检索确认。