一、为什么模型"心里知道、嘴上说假"？（ITI 现象的根因）现象回顾模型隐藏层里，真话和假话在向量空间里"分得清清楚楚"——能被一条线（超平面）分开；但最终输出层却经常说出错的那一边。通俗原因（3 条）① 训练目标本来就不是"说真话"，而是"说得像"LLM 的训练目标是最大化下一个 token 的似然 P(y|x)——通俗说就是"在这种上下文下，人最常接着说什么词"。这个目标只关心"说出来像不像人话"，不关心"是不是事实"。所以模型学到的是“什么搭配在语料里高频出现”，而不是“什么是真”。类比：考试时你的目标是"得高分"，老师从没考过"你心里到底信不信"，所以你的笔答和心里想的可能不一致。② 隐藏层是"理解层"，输出层是"流畅层"——两者目标不同Transformer 走完几十层后，中后段隐藏层已经积累出"真假可分"的判别信号（这是 ITI 论文用线性探针证明的）；但隐藏层 → 词表的那一步矩阵（unembedding/lm_head），在训练时只被要求“让最终困惑度低、文字流畅”；于是“真假方向