平凡词汇禁令优于深层语言约束：提升大语言模型推理能力

先前研究报告称，E-Prime（英文中不使用动词“to be”）会选择性地改变语言模型的推理行为，跨模型相关性暗示了某种结构性特征与被删除的词汇有关。我设计了一个带主动对照组的复制实验，以测试特定词汇-认知映射所致的认知重构机制。实验在五个条件下进行（无约束控制、E-Prime、No-Have、详尽元认知提示、中性填充词禁令），覆盖六个模型和七个推理任务（共 15,600 项试验，经合规性过滤后剩余 11,919 项）。来自认知重构假设的所有预测均未得到证实。四种所有处理方式均优于控制组（83.0%），包括被预测将产生零效应的主动对照组。其中，中性填充词禁令（禁用如“very”“just”等不参与逻辑推理的词汇）取得最大改善（+6.7 百分点），而 E-Prime 取得最小改善（+3.7 百分点）。四种处理方式的排序与理论深度呈完美逆序。跨模型相关性签名未复制（平均 r=0.005）。这些结果符合更简单机制：任何迫使模型离开默认生成路径的约束，都可作为输出正则化器，通过干扰流畅但浅层的响应模式来提升推理能力。最浅层的约束效果最佳，因为它们在最小概念扰动的同时施加了监控负荷。我将这些发现呈现为通过反证获得的发现案例。