分解与引导大语言模型中的功能性元认知

大语言模型常表现出评估感知并自适应调整推理策略。本文提出 LLM 维持着可分解的功能性元认知状态空间，编码评估意识、自我能力评估等内部变量。通过残差流分析，证明这些状态可从内部激活中线性解码且具有 distinct 层级特征。进一步通过干预激活方向，证实各元认知状态以可分离方式因果调节推理行为，影响 verbosity、准确性及安全性。研究揭示了基准性能不仅反映任务能力，更体现特定元认知状态的激活，为可靠评估提供了机械框架。