元认知探针：大型语言模型的五种行为校准诊断

本文提出“元认知探针”，一种包含五项任务、十五个槽位的探索性诊断工具，将大语言模型的置信度行为分解为五个维度：置信度校准、认识论警惕性、知识边界、校准范围及推理链验证。通过在八个前沿模型和六十九名人类受试者上的评估，该工具揭示了传统综合基准测试无法发现的模型过度自信盲区。研究发现，模型在单一任务内的校准表现优异，但在跨任务难度预测上存在显著缺陷，突显了细粒度行为诊断的重要性。