稍微意味稍微？衡量 LLM 数值行为中模糊强度词的表现

当这些词必须产生数值行为时，语言模型是否保留了强度词的序数含义？我研究了一个由研究者构建的 10 个英文程度副词尺度，从 slightly 到 drastically，依据 Quirk 等人的程度副词分类。在一个受控的资源分配环境中，Claude Haiku 接收自然语言指令，产生数值分配，随后由确定性后端将该分配转换为可衡量的结果。唯一改变的变量是强度词或初始系统状态，隔离了这些因素对模型数值输出的影响。在 T=0.0 和 T=0.7 下进行 6620 次实验后，出现了三个模式：首先，模型将 10 个强度词压缩为 5 个不同的中位输出：四个较低阶词映射到相同值，而较强的词在更高的区间中分化（Spearman rho = 0.845, p < 0.001）。其次，当当前系统状态作为上下文提供时，独立的 Kruskal-Wallis 检验显示，按起始分配分组捕获的秩基方差远大于按词分组（epsilon-squared baseline = 0.782 vs. epsilon-squared word = 0.079），且词汇区分在系统趋近容量时退化为零。第三，在接近可行性限制时，模型表现出三种行为模式：弱词小幅调整以 hedge，强词完全放弃，词 drastically 推至局部上限。这些模式在温度上持续存在，随机抽样扩大了分布但未恢复词与词之间的序数区分。在该模型和领域中，模型对模糊强度词的数值解释是压缩的、状态依赖的，并且在操作边界附近呈离散。