从关联到激活：比较 LLM 中行为与隐藏状态的语义几何

研究者在八个指令微调 Transformer 模型上，用相似性强制选择和自由联想两种范式、共享 5000 词词表收集 1750 万+ 试次，构建基于行为的相似度矩阵。表征相似性分析显示，强制选择行为与隐藏状态几何的一致性显著高于自由联想；在留出词回归中，行为相似度（尤其强制选择）能预测未见词的隐藏状态相似度，超出词汇基线和跨模型共识。