Экспериментальная модель OLMo-3, которая решает последовательные суммы по модулю 10 с зашифрованными промежуточными рассуждениями для исследования мониторинга активаций.

Подходит для: исследование неразборчивых цепочек рассуждений, возникающих при RL · оценка линейных probe для чтения внутренних активаций языковой модели · сравнение текстового мониторинга с мониторингом активаций