활성화 공간
모델의 특정 층에서 입력 프롬프트에 대해 계산된 평균 잔차 스트림(residual stream) 활성화 벡터들의 공간을 의미한다. 본 논문에서는 동일한 프롬프트 집합에 대한 서로 다른 체크포인트 간 평균 활성화 차이를 측정해 대표성 이동(Δ)과 v_rev 방향을 정의하는 데 사용되었다. 이 공간에서의 방향성과 코사인 유사도가 훈련 후 행동 변화와 연관지어 분석되었다.