arXiv cs.AI· Peihua Mai, Zhuoyan Shao, Xinbao Qiao, Meng Zhang, Xinyue Zhou, Yan Pang·· 10 天前AI 评分37
研究揭示 LLM 存在"错觉模式感知"，会引发虚假推理
Illusory Pattern Perception Drives Spurious Inference in Large Language Models
AI 导读
一项被 NeurIPS 2026 接收的研究首次系统考察了大语言模型中的错觉模式感知，通过改编经典心理学范式设计三项任务并与人类行为直接对比，发现 LLM 常表现出比人类更强的错觉模式感知，倾向于将高频正面属性过度关联至少数多数群体或大型组织，并从模糊事件中构建因果叙事。研究基于稀疏自编码器（SAEs）构建特征可解释性框架分析内部表征，发现整体频率感知与分析性认知取向与错觉感知的出现相关。
正文 · AI 翻译
摘要：错觉模式感知是一种有充分文献记载的人类认知倾向，即在实际上随机的数据中推断出有意义的关系。这种倾向通常被描述为在本不存在关联之处“连线成图”，可能导致系统性的推理错误。本文研究大型语言模型（LLM）是否表现出这种感知倾向，从而在下游应用中导致系统性错误。据我们所知，本工作首次对 LLM 中的错觉模式感知进行了系统研究，将经典心理学范式适配到三项任务中，并与人类行为进行直接的实证比较。我们发现，LLM 往往表现出比人类更强的错觉模式感知。特别是，模型倾向于将频繁出现的正面属性过度关联到多数群体或大型组织，并表现出更强的从模糊事件中构建因果叙事的倾向。为揭示这些行为背后的机制，我们开发了一个基于稀疏自编码器（SAE）的特征可解释性框架来分析内部表征。我们的结果揭示，整体频率感知与分析性认知取向与错觉感知的出现相关。这些发现凸显了一种此前未被充分探索的类认知错觉，它可能影响 LLM 推理的可靠性。代码见 此 https URL。
| 评论： | 被 NeurIPS 2026 接收 |
| 主题： | 人工智能（cs.AI） |
| ACM 分类： | I.5.5 |
| 引用为： | arXiv:2610.07791 [cs.AI] |
| （或 arXiv:2610.07791v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.07791 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Peihua Mai [查看邮箱]
[v1]
2026年10月6日星期二 05:37:12 UTC（5,750 KB）
来源：arXiv cs.AI · arxiv.org