标量多样性的连续解释引导
计算与语言
2026-04-09 v1
摘要
实践推理本质上是分级的。不同的词汇项会产生不同程度的实践富化。计量隐喻通过计量多样性体现了这一属性：隐喻强度在不同计量项之间变化。然而，大型语言模型 (LLMs) 中的实践推理评估通常依赖于基于提示的操纵。超出提示层面的影响，本研究提出连续解释引导 (CIS) 方法，通过将激活水平引导强度视为连续实验变量来探测分级实践解释。为支持这一分析，本研究引入了新的数据集 GraSD，对编码分级计量多样性。四个 LLMs 的实验表明，统一激活引导在全局上增加实践解释，但在项目层面上消解变异；而分级激活引导则产生与计量多样性等级一致的差异化解释位移。这表明分级灵敏度编码于表示空间中，可通过受控干预系统恢复。与 GraSD 一起，CIS 提供了一个原则化的框架，用于评估 LLMs 中的分级实践灵敏度。
引用
@article{arxiv.2604.07006,
title = {Continuous Interpretive Steering for Scalar Diversity},
author = {Ye-eun Cho},
journal= {arXiv preprint arXiv:2604.07006},
year = {2026}
}