押韻還沒寫完，第二行已經想好了

模型寫押韻對句時，看起來像寫完第一行才臨場編第二行。針對 Claude 的機制研究早已暗示並非如此：當第一行落到「grab it」這類詞時，模型內部可能已經拿著「rabbit」當預定押韻。自然語言自編碼器（NLA）讓這份提前規劃變得可讀——更重要的是，變得可改。

在換行處讀到規劃

報告案例裡，研究者用會導向 rabbit 押韻的對句提示。對 Claude Opus 使用 NLA 時，第一行末尾換行符上的解釋，已經描述了用 rabbit 收尾的規劃。重點是：第二行尚未寫出。那個「念頭」坐在激活裡，不在可見草稿裡。

能改解釋，就能推動輸出

NLA 不只是觀看器。研究者改寫解釋——把 rabbit 換成 mouse、carrot 換成 cheese——再用激活重構器把修改後文字轉回激活方向。把前後差值注入殘差流，強度足夠時，模型不再穩定輸出 rabbit，而傾向 mouse 或 house。這是因果檢驗：若解釋只是空口編故事，改寫就不該可靠地改變續寫。

規劃不只發生在詩歌裡

詩歌是乾淨的演示，因為押韻清楚、容易對照。同一模式也出現在別處：模型可能在工具回傳前就算好答案，或在嘴上從不提獎勵規則時內心仍在權衡。提前規劃意味著下一個 token 並非純臨場發揮；未來答案的一部分已被表徵。對開發者來說，這把部分「幻覺」與「固執」重新框成早期承諾，而不只是最後一秒的失誤。

不誇大之下，可以帶走什麼

NLA 並未證明模型像人類一樣「用英文思考」。它展示的是實用迴路：把激活說成話、檢驗這段話是否對得上行為，必要時再改字、寫回激活來引導。對一般讀者，記得這點就夠：當一行看起來已寫完時，模型可能早已知道下一行想落在哪裡。