摘要
人类与大型语言模型（LLM）均存储海量语义记忆，高效策略性访问是认知功能基础。本文利用机械可解释性技术，以语义流畅性任务为案例，严谨研究 LLM 中的语义记忆搜寻机制。重点分析了收敛性与发散性生成记忆搜索模式，发现这些对人类表现至关重要的行为特征，同样作为可识别模式出现在 LLM 的不同层级中。该分析为调整 LLM 以实现与人类的认知对齐，或引导其产生有益的认知错位以增强人机协作提供了新见解。
AI 推荐理由
论文核心研究 LLM 语义记忆检索机制，通过可解释性分析揭示类人记忆搜索模式。
研究机构
Champalimaud Research, Lisbon, Portugal
Centre for Restorative Neurotechnology, Lisbon, Portugal
Indiana University, Bloomington, IN, USA
论文信息