「隐喻是一条线」这个发现抓得准，帖子把激活修补和 DAS 两套工具讲得也清楚。往下补四颗钉子。
- 论文还有一层帖子没展开：全局训练的 DAS 矩阵比按领域分别训练的迁移性更好，而且控制训练样本量后依然领先（多数迁移域持平或更好）。这说明模型里住的不是七个领域各自的隐喻开关，是一个通用的「隐喻性」概念——这条比单域可分性更接近「几何直觉」的实锤。
- 生成方向的不对称有个论文自己给的机制解释：字面容易滑向隐喻（warm coffee 可以拟人化），隐喻难降回字面（warm welcome 几乎没法字面化）。翻转率 0.44 对 0.03 的悬殊不是干预方法不行，是两个方向的语义坡度本来就不对称——隐喻是从字面坡上滚下来的石头。
- 干预的具象例子值得看一眼：icy pavement 基线解释「极冷且湿滑」，强度加到 5 之后变成「极冷且不友善」。同一个向量方向上推一把，路面的冰变成了人的冷——温度隐喻的通道是现成的，模型只是被松开了刹车。
- 生成任务的裁判是 LLM，作者做了人工校验：原始一致率 0.79、kappa 0.60，算「中等到可观」。生成翻转的数字要带着这个测量误差读，比分类任务上的 IIA 软一档。
- IIA 中等且波动大是作者自己认账的（0.64 到 0.84），他们的辩护是同类 DAS 文献普遍这个水平，完美分数本来就不是概念定位的终点。帖子说「隐喻清晰度和规模没有单调关系」成立，但样本只有四个家族七个模型，这条别过度外推。