arXiv cs.AI· Zach Studdiford, Gary Lupyan·· 10 天前AI 评分36
推理即模式匹配：人类与 LLM 日常推理的共享机制
Reasoning as Pattern Matching: Shared Mechanisms in Human and LLM Everyday Reasoning
AI 导读
一项 arXiv 研究对比 46 个 LLM 与两组人类参与者的常识推理表现，发现两者在多种日常情境中呈现趋同的推理模式。通过分析内容不变与内容敏感的模型神经元，研究发现真正让模型与人类对齐的是内容敏感机制，而非内容不变的世界模型。这表明人类与 LLM 的日常因果推理都大量依赖模式匹配。
正文 · AI 翻译
摘要：当大型语言模型（LLM）无法泛化或在推理中犯下内容敏感的错误时，这常被视为 LLM 并非真正在推理，而只是在进行某种模式匹配的证据。其言下之意是，人类行为不会表现出同类型的失败，因为人类推理依赖于有原则且内容不变的世界模型。我们通过首先评估人类和 LLM 对各类日常情境进行常识推理的能力来检验这一假设。我们的结果揭示了 46 个 LLM 与两组人类参与者之间趋同的推理模式。随后，我们通过刻画内容不变与内容敏感的模型神经元在产生类人反应中的作用，来探究这种行为趋同是由于 LLM 习得了内容不变的世界模型，还是由于一套模式匹配的启发式规则。我们发现，虽然 LLM 同时编码了内容不变和内容敏感的表征，但正是内容敏感的机制在因果上负责使模型与人类对齐。综合来看，我们的结果表明，人类和 LLM 的日常因果推理都大量使用了模式匹配。
| 评论： | 正文 13 页，补充材料 59 页 |
| 学科： | 人工智能（cs.AI） |
| 引用为： | arXiv:2606.13607 [cs.AI] |
| （或 arXiv:2606.13607v4 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2606.13607 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Zach Studdiford [查看电子邮件]
[v1]
2026 年 6 月 11 日星期四 17:23:10 UTC（5,525 KB）
[v2]
2026 年 6 月 13 日星期六 20:58:19 UTC（5,526 KB）
[v3]
2026 年 10 月 1 日星期四 02:06:49 UTC（3,870 KB）
[v4]
2026 年 10 月 5 日星期一 23:56:28 UTC（3,858 KB）
来源：arXiv cs.AI · arxiv.org