因果失语：大语言模型能编码因果方向，但其是/否输出却无法表达

本文发现大语言模型在因果问题上的内部编码与实际回答存在错位。在反常识因果基准测试中，线性探针能从隐藏状态高准确率恢复证据支持的答案，而口头的是/否回答却退化为常识性错误。这种约 0.5 的差距被称为“因果失语”，揭示了两种独立的失败模式：缺乏内部信号或信号无法通过语言接口表达。研究指出，仅凭输出准确率判断 LLM 是否具备因果推理能力存在局限，需重新审视相关基准测试的结论。