대규모 추론 모델 (Large Reasoning Models, LRMs)은 사고의 사슬 (Chain of Thought, CoT) 추론을 통해 안전 모니터링을 위한 새로운 기회를 제공합니다. 그러나 CoT가 모델의 최종 출력에 항상 충실한 것은 아니며, 이는 모니터링 도구로서의 신뢰성을 저해합니다. 이를 해결하기 위해, 우리는 프롬프트 (prompt) 및 CoT 표현 (representations)으로부터 미래의 행동을 예측할 수 있는지 확인하고자 LRM의 숨겨진 표현 (hidden representations)을 조사합니다. 생성되는 각 토큰 (token)에서 프로브 (probe)를 평가함으로써, 우리는 추론 과정 전반에 걸친 개념 확률의 연속적인 진화인 프로브 궤적 (probe trajectory)을 구축합니다. 우리는 미래의 모델 행동이 단일 정적 예측보다 전체 궤적을 통해 검토될 때 더 잘 구별된다는 것을 발견했습니다. 이러한 시간적 역학 (temporal dynamics)을 특징짓기 위해, 우리는 변동성 (volatility), 추세 (trend), 그리고 정상 상태 (steady-state) 동작을 포착하는 신호 처리 특징 (signal-processing features)을 추출하여 미래 모델 상태의 분리 성능을 크게 향상시켰습니다. 또한 우리는 두 가지 방법론적 통찰을 제시합니다. 첫째, 템플릿 기반 학습 데이터는 동적으로 생성된 모델 응답과 거의 대등한 성능을 달성하여, 비용이 많이 드는 초기 추론 및 레이블링 (labeling)의 필요성을 제거합니다. 둘째, 풀링 연산 (pooling operation)의 선택이 매우 중요합니다. 평균 풀링 (average-pooling) 및 마지막 토큰 (last-token) 방식은 거의 무작위 성능으로 수렴하는 반면, 최대 풀링 (max-pooling)은 최대 95%의 AUROC를 달성하며 안정적인 프로브 궤적을 생성합니다. 안전 및 수학 분야의 4개 데이터셋과 4개 추론 모델을 사용하여, 우리는 궤적 특징이 결과 분리성을 향상시키는 작업 특정적 역학 (task-specific dynamics)을 인코딩함을 입증합니다. 이러한 발견은 프로브 궤적을 LRM 행동 모니터링을 위한 보완적 프레임워크로 확립합니다. 경고: 이 기사는 잠재적으로 유해한 콘텐츠를 포함하고 있습니다.