开卷评分究竟测什么：文档级 LoRA 适配器的“阅读”行为研究

在 Llama-3.1-8B-Instruct 上为 150 篇 Wikipedia 文章各训练一个 LoRA 适配器后发现，开卷评分主要衡量的是所有适配器共有的阅读行为：用另一篇文档训练的随机适配器可复现专家适配器相对基座模型 82% 的开卷优势，但在不提供原文的 cloze 探针上仅复现 2%，与零无法区分。