深度解读：无需训练即可提升大模型智力？揭秘LLM内部的“通用语言”与神经解剖学

本文是“LLM神经解剖学”系列的续作，作者通过数学探针和大规模实验，在Qwen3.5-27B上验证了RYS（重复特定层）方法的有效性。研究发现，Transformer内部存在清晰的“三阶段”结构：早期层负责编码，晚期层负责解码，而中间层则在一个“格式无关”的通用思考空间中进行推理。通过束搜索和代理模型对数百万种配置的筛选，作者证明了简单地“让模型多思考一圈”（重复中间推理层）能以极低的计算成本显著提升模型能力。这不仅揭示了LLM内部的通用语言机制，也为无需重新训练即可优化模型性能提供了全新的技术路径。