#BIG-Bench Hard

这篇论文做了很扎实的消融实验：在 Chameleon-7B 上关掉视觉-语言轴，纯文本空间推理直接掉了 27.6 个点。结论对做模型可解释性或评估的人很有用——探针能看到不等于模型真的在用，得做因果干预才能下结论。