NRR-Phi：用于 LLM 推理中消除歧义的文本到状态映射

大语言模型存在系统性倾向于过早语义承诺：在给定模糊输入时，他们会在足够上下文可用前，将多个有效解释坍缩为单个响应。这种过早的坍缩会丢弃随对话演进可能至关重要的信息。我们提出了一个形式化框架，用于文本到状态映射（phi: T -> S），将自然语言转换为多个解释共存的非坍缩状态空间。该映射分为三个阶段：冲突检测、解释提取和状态构建。我们使用混合提取管道实例化 phi，结合基于规则的分段用于显式冲突标记，以及 LLM 驱动的隐式歧义枚举。在 68 个模糊句子测试集上，结果表明所生成的状态保留了解释的多样性：混合提取在歧义类别上获得平均状态熵 H = 1.087 比特，而基于坍缩的基线（坍缩为单一解释）的 H 为 0。我们还为日语标记实现了基于规则的冲突检测器，以展示跨语言可移植性。该框架扩展了非解决推理（NRR），提供了文本与 NRR 状态空间之间的算法桥梁，使 LLM 推理得以延迟架构性坍缩。附录中详细阐述了状态到状态转换的设计原则，并通过 580 组测试案例的实证验证表明，满足原则的算子实现 0% 坍缩，而违反原则的算子最高可达 17.8% 坍缩。