arXiv cs.AI· An-Sheng Jhang·· 4 小时前AI 评分20
从未完成体悖论到摩尔式荒谬:Qwen3-8B 上的单链推理锁定与多候选言语化实验
From Imperfective Paradox to Moorean Absurdity: Single-Chain Reasoning Lock-In and Multi-Candidate Verbalization Across Aspectual and Pragmatic Ambiguity
AI 导读
研究在 Qwen3-8B-Q8_0 上用 4 项预注册实验(16,640 个形式单元,temperature=0.0)检验单链推理过早锁定假说,16 个假设槽中 15 个保持确证状态。
正文 · AI 翻译
摘要:自然语言中的蕴含判断与连贯性判断,往往取决于一个事件是仅仅发生了、达到了目的性终点、满足了某个计划,还是在多重语用标准下被评价。我们在 Qwen3-8B-Q8_0 上开展了四项预注册、封存的形式化实验(共 16,640 个形式化单元,temperature=0.0),以检验单链过早锁定假说可观测的后果:16 个假设槽位中有 15 个保持确证性地位(其中 12 个在实验内 Holm 控制下于 alpha_fam=0.05 水平拒绝 H0;E3_H3 降级为描述性地位)。在实验 1 中,Direct-CoT 与 MCU 在目的性高置信完成项上相差 25.00 个百分点(Holm p=1.31239e-05),而 NLI-CoT 在未中断的非目的性项目上骤降 -91.25 个百分点(Holm p=1.81805e-21)。多候选言语化(MCV)在一次调用中引出 K=5 的加权估计,从而将提示词与未加权(MCU)和自加权(MCW)读出方式区分开来。普通话(E2)和英语(E3)在 NLI-CoT 下暴露出一种“中断锚定的现实性悖论”。在实验 4 中,MCU-CF 相比 Direct-CoT 将隐式摩尔句的感知连贯性提高了 26.64 个百分点(Holm p=0.0006),同时 Direct-CF - Direct-CoT = 29.15 个百分点,MCU-CoT - Direct-CoT = 17.31 个百分点。一项 1,800 次调用的 OpenAI 消融实验,以及一项 stage="dev" 的 P16.7 跨模型扩展(在五个外部模型上计划/收集 4,240 个单元:4,222 个有效、18 个格式缺失、0 个传输缺失;每个切片缺失率 <2%;OpenAI gpt-4o-mini 在 top_logprobs=20 下达到 1,000/1,000 个有效单元)表明,离散的 NLI-CoT 判断与标量的 Direct-CoT 判断在不同模型之间发生分离。确证性效应涉及的是可观测的提示词与读出协议;内部的过早锁定仍只是一个假说。所有代码、刺激材料、预注册分析计划和验证工具均可在 此 https URL 获取。
| 评论: | 21 页,4 幅图,25 张表(单栏 arXiv 预印本;包含 4 项预注册实验中的 16,640 个 Qwen3-8B 形式化单元、1,800 次 OpenAI 格式消融调用,以及 5 个外部模型上的 4,240 个 P16.7 开发切片单元) |
| 主题: | 计算与语言(cs.CL);人工智能(cs.AI) |
| 引用为: | arXiv:2611.22188 [cs.CL] |
| (或 arXiv:2611.22188v1 [cs.CL] 用于此版本) | |
| https://doi.org/10.48550/arXiv.2611.22188 由 DataCite 签发的 arXiv DOI(待注册) |
提交历史
来自:An-Sheng Jhang [查看邮箱]
[v1]
2026 年 11 月 17 日星期二 04:20:45 UTC(148 KB)
来源:arXiv cs.AI · arxiv.org