可解释性工具有了新考场，幻觉率首次被强制计分

可解释性研究者发布并开源WorkspaceBench，专门测激活到文本工具能否读出模型全局工作区的内容。

基准含3356道题、27个评测族，覆盖安全、逻辑推理与多跳计算，并单独设幻觉评测，因为J-lens可靠但只输出单token，NLAs表达力强却易虚构。

基准针对Qwen-3.6-27B开发，作者承认未完全排除从提示词反推的捷径。这是作者自建自评的基准，能否被独立采用仍是未知数。