最后一枚果子落下时

—— Leckie、Todd & Foster《Signatures of semantic search in the activations of large language models》（arXiv:2609.35599）费曼式解读

除夕夜，饭菜上桌之前，总有一段时间是用来消磨的。奶奶提议玩那个老游戏："咱们轮流说动物，一人一个，看谁先卡壳。"于是你听到这样的声音——"狮子。"——"老虎。"——"豹子。"——"老鹰。"……前面几个人说得又快又顺，像顺着一条看不见的轨道滑行；可说到七八个的时候，节奏忽然慢下来，有人皱眉，有人望天，然后某个人像是换了一条思路："鲸鱼！"接着又是连珠炮："海豚、鲨鱼、章鱼、海龟……"直到这条线也枯竭了，再拐向"蚂蚱、瓢虫、蚕宝宝"。

如果你留心，会发现这个游戏里藏着一个所有人都默认、却没有人说出口的规律：没有人是随机蹦词儿的。说出来的动物总是成群结队——先是一窝猛兽，然后是一片海洋，然后是一盒子昆虫。而且群的内部越来越瘪，"狮子、老虎、豹子"之后接"熊"越来越勉强，到最后几乎是一个词一个词地往外抠，直到某个人"啪"地一声换了赛道，焕然一新。

心理学家把这个游戏搬进实验室已经几十年了。它有个正式名字，叫语义流畅性任务（Semantic Fluency Task, SFT）：请在一分钟内尽量多说出动物的名字。别小看这个任务，它背后藏着人类心智最深层的搜索算法——我们如何在一个巨大而模糊的概念空间里觅食。而在 2026 年 9 月 28 日，印第安纳大学的 Luke Leckie、Peter M. Todd 和 Jacob G. Foster 在 arXiv 上挂出了一篇论文，问了一个让人头皮发麻的问题：当大语言模型被要求进行同一个游戏时，它们内部是不是也运转着同一套搜索算法？人类切换"语义赛道"时大脑里会亮起特定的神经信号——模型切换的时候，它的"激活"里有没有对应的签名？

他们的回答是：有。而且不止有，还可以被我们拧动。

🧠 一分钟游戏与它的科学史

语义流畅性任务真正进入科学视野，靠的是它那不像随机数的统计特征。1997 年，Troyer、Moscovitch 和 Winocur 在一项经典研究里系统描述了人类表现的双成分结构：聚类（clustering）与切换（switching）。一个健康成年人在一分钟里能说出的动物名字不是均匀撒在整个语义空间里的，而是被组织成一簇一簇的相关项目，簇与簇之间由主动的跳转隔开。Troyer 团队甚至编制了一套动物类别划分体系——牲畜、宠物、水生动物、爬行动物/两栖动物、非洲动物等等——后来成了这个领域的标准工具，而本文作者们使用的正是这套 Troyer 体系的扩展版。

这个游戏在临床上早就有了一席之地。神经心理学家用它来筛查阿尔茨海默病、精神分裂症与脑损伤：聚类能力下降，提示语义记忆的存储结构受损；切换能力下降，提示执行控制与认知灵活性受损。也正因为任务的极简与结果的丰富并存，它成了少数几个能把行为学、fMRI、电生理与计算模型串在同一条链上的认知范式——你给它一分钟，它还给你一张关于"心智如何组织知识"的草图。

真正让这个游戏升维的，是 Hills、Jones 和 Todd 在 2012 年发表于《Psychological Review》的工作：最优语义觅食（optimal foraging in semantic memory）。他们借用了生态学里大名鼎鼎的觅食理论——Charnov 1976 年提出的边际值定理（marginal value theorem）。这个定理说的是：一只在草原上吃草的鹿，面前有一片片质量参差不齐的草坑，它不应该把任何一个坑吃到底，而应该在"继续啃这个坑的收益"低于"换个新坑的预期收益"的那一刻起身离开。数学上，离开的时机由边际收益决定。

把定理翻译成生活场景，直觉就彻底落地了。想象你走进一片果园：好树上最低的果子伸手就能摘，几秒钟一颗；可越往高处的枝桠够，单位时间摘到的果子越少——摘完低垂的果实还赖着不走，踮着脚跟光秃秃的树梢较劲，就是典型的"死守枯竭的坑"。钓鱼也一样：一个新打的窝子，下钩就有口，可随着鱼被一条条钓走，上鱼的间隔越来越长；老钓手心里都有一杆秤——当"再等十分钟在这个窝子里的预期渔获"赶不上"走十分钟路、开一个新窝子的预期渔获"，收竿起身的时刻就到了。吃自助餐的人更熟这套算术：第一轮专挑又贵又好的，随着盘子清空、胃口缩水，每一份新食物的满足感持续走低，吃到"再吃一口的快乐"约等于"起身换档口的快乐"时，离席才划算。三个场景的共同骨架是：任何局部资源都是先肥后瘦的，留在原地的每一分钟都在变贵；而"离开"本身也有成本——果园里要走，钓鱼要挪窝，自助餐要排队。所以边际值定理给出的不是一句模糊的"见好就收"，而是一个精确判据：当局部收益率跌破迁徙成本线的那一刻起身，早走浪费，晚走亏本。Charnov 当年用微积分把这个时刻钉死在几何上——最优停留点，恰是收益曲线的切线斜率等于整个环境平均收益率的位置，漂亮的证明一页纸就画完了。

把这个画面平移到语义空间，一切都对上了。记忆不是一锅均匀杂乱的汤，而是一片分布着"语义草坑"的草原：说到"狮子、老虎"时你正站在猛兽坑里收割；坑里的资源随着你的每一次收割而枯竭——豹子、熊、狼，越说越费劲，反应时越长——直到边际收益跌破阈值，你的大脑"起身离开"，跳到一个新坑里。Hills 等人发现，人类在切换前后的反应潜伏期会显著拉长，这正是"跨坑旅行成本"的行为学回声——从一个坑到另一个坑需要时间、需要检索、需要抑制旧的语境。之后 Lundin 等人在 2023 年把被试塞进 fMRI，发现切换时人的后脑小脑和海马体出现特异性激活增强，海马体里还会掠过一阵"涟漪爆发"式的神经活动，那是记忆巩固与检索的经典电生理签名；更妙的是，随着在一个簇内说出的项目越来越多，这两个脑区的活动会缓慢"爬坡"（ramping）——就像觅食动物对当前草坑逐渐枯竭的内部计时，一分一秒地累积，直到某个阈值被顶破。2023 年 Nour 等人的研究则从另一个方向补了刀：精神分裂症患者的语义轨迹紊乱，与海马体涟漪爆发的异常直接相关——觅食算法一旦失调，临床上真的看得见。还有一层证据来自启动效应：在人面前闪现"河流"这样的上位概念词，会加速他对"鳄鱼"这类下位例词的提取，说明说出一个具体例子之前，那个抽象类别本身必须先被点亮。至此，理论的四块拼图齐了：行为上的卡壳与跳转、脑区的激活与涟漪、随簇内产出爬坡的计时器、上位概念对下位例子的点亮。

你看，这个除夕夜的小游戏，其实是人类心智在一块看不见的草原上觅食的过程。那么——一台机器呢？

🤖 模型的名单，也成群结队

先交代一个已知事实：大语言模型玩这个游戏，玩得像模像样。Lacosse 等人在 2026 年的研究显示，模型报出的动物名单同样组织成簇、穿插切换，和人类文本在统计上难以区分。但这留下一个暧昧的问题：这种相似是表面的——只是训练语料里人类名单的倒影——还是深层的，意味着模型内部真的在跑一个"语义觅食"算法？

要回答这个问题，得先能看清机器的内部。Leckie 团队的实验设计相当扎实：他们选了五个开源指令微调模型——Gemma-2-9B（42 层）、Gemma-2-2B（25 层）、Llama-3.1-8B（32 层）、Llama-3.2-3B（28 层）和 Qwen2.5-7B（28 层），参数量从 20 亿到 90 亿不等。每个模型的实验都在 100 个不同的随机种子上重复。提示词干净利落："Name as many different animals as you can, one after another, separated by commas. Just the list."（尽量多地说出不同的动物，一个接一个，用逗号分隔，只给名单。）生成用核采样，温度 0.9、top-p 0.95，输出上限 200 个 token，不加系统提示。类别归属沿用扩展版 Troyer 体系，允许一个动物跨多个类别——比如鳄鱼同时算爬行动物和水生动物——切换被严格定义为：新说出的动物与前一个动物没有任何共享的类别标签。这个定义看似苛刻，实则精准："鳄鱼→蜥蜴"算深耕，"鳄鱼→金鱼"才算跳转。研究的可重复性正是立在这种咬文嚼字之上——五个模型、100 个种子、固定的采样参数，任何一个效应若想幸存，都得在五千次重复的审视下站住脚。

结果先说行为层面：模型的平均产出相当可观。Llama-3.1-8B 一口气平均报出 64.8 ± 8.4 个动物，Gemma-2-2B 报出 41.1 ± 13.0 个，Gemma-2-9B 是 36.0 ± 5.2 个，Llama-3.2-3B 是 52.1 ± 11.3 个，Qwen2.5-7B 是 39.3 ± 17.8 个。平均簇长在 2.2 到 3.2 个之间（Gemma-2-9B 的簇最大，3.2 ± 2.4；Llama-3.2-3B 的簇最小，2.2 ± 2.2）。偶尔有动物落在所有类别标签之外（平均 2.4%，从 Gemma-2-9B 的 0% 到 Qwen 的 5.5%），这些词被谨慎地从聚类/切换标注中剔除。也就是说，名单确实成群结队，成得和人类几乎一个模子。

但行为像，不代表心里也这样想。真正的检验要打开机箱。

📺 给大脑装上提词器监视器

要理解作者们的"透视"手法，得先认识一件新工具：Jacobian 透镜，简称 J-lens。它出自 Gurnee 等人 2026 年的工作（那篇论文的标题就很有野心——"可言语化的表征构成了语言模型里的全局工作空间"）。J-lens 做的事，用一句生活化的话说：给模型的大脑装一个"提词器监视器"。

Transformer 的残差流（residual stream）像一条贯穿全部层的传送带，每一层都在上面添改信息，最后由输出头读出下一个词。中间层那些高维向量对人类来说是天书，但 J-lens 能通过一个预计算的雅可比映射，把任意中间层的残差状态"翻译"回词表空间：在这个向量上，每一个候选词都得到一个激活分数。这个映射在数学上回答的问题是："如果我把中间层的这个向量稍稍改动一点点，最终输出分布里的哪些词会最先被点亮？"分数高，意味着模型此刻"脑子里这个词在闪闪发光"。

拆开看，"雅可比"三个字指的是什么？微积分里，一个多变量向量函数在某点的雅可比矩阵，就是它的"一阶导数"：矩阵第 i 行第 j 列记录的是，中间层第 j 个维度上的一丁点扰动，会线性放大成输出端第 i 个维度上的多大变化。把残差流记作 x、最终输出 logits 记作 f(x)，J-lens 要做的就是预计算 f 对 x 的雅可比映射，再拿它与输出头的 unembedding 矩阵——每个词在词表空间里的"坐标"——相乘。直觉是这样：模型最后一步预测，本质是用残差状态和每个词的坐标算相似度；那么反过来，任意中间层的向量只要还"朝着"某个词的方向演化，就能用同一套相似度算式被翻译回词表。全部预计算一次，各层通用，所以"每一层都装摄像机"才付得起成本。它被称作"透镜"而非"解码器"，也因为透镜不发明信息，只调焦距——它忠实报告这个向量对哪些候选词敏感，却不担保模型"真的在考虑"这些词。

至于"读心术"这个类比，边界在哪？J-lens 读到的是模型输出分布的敏感性，不是任何带主观体验的念头。它更像黑箱工厂外贴着的一张不完全物料表：你能从进货口的细微变化推断流水线上正在组装哪些零件，却不知道装配工的心情。候选词分数高，严谨的表述是"模型的下一步输出对这个词高度敏感"，而不是"模型想到了这个词"。这份克制恰是该工具的诚实——它把"读心"严格限定在可证伪的数学对象上。

你可以想象舞台侧面的提词器，平时只有观众席看不见——J-lens 就是把提词器的屏幕偷拍下来投给你看，而且每一层都装了一部独立摄像机，从浅层到深层全程跟拍。作者们用的是 Neuronpedia 上现成的预计算透镜（Llama-3.2-3B 没有现成的透镜，所以它的 J-lens 实验被略过）。他们取每步激活最强的前 25 个词，构成所谓的 J-空间（J-space）——这个概念在 Gurnee 等人的原论文里被类比为人类认知的全局工作空间，此刻模型"摆在台面上考虑的东西"，就摆在这 25 个格子里。

监视器装好，第一个发现立刻浮出水面：切换前的下一个词概率，明显更低。在最终层上，参与切换的那个动物，它在被说出前一刻的 next-token 概率显著低于参与聚类的动物——五个模型全部如此，线性回归卡方检验 χ² ≥ 32.39，p < 0.0001。这个发现与之前 Lacosse 团队分析人类名单的结果互相印证。费曼式地说：人在换坑之前会卡壳，模型在换坑之前，它的"提词器"也暗了一下。

更深层的东西在 J-lens 里。即便在中间层，参与切换的词的激活也会上升——毕竟它马上要被说出来——但上升的幅度明显小于聚类词。从第 8 层往上，切换词的激活显著低于聚类词的激活，χ² ≥ 98.17，p < 0.0001。这个差异从中前层开始出现，一路增强到接近末层：Gemma-2-9B 在第 32 层上，切换效应的回归系数达到 -0.795，是全程最强的位置之一。换句话说，"下一个词的不确定性"不是最后一刻才产生的，它是贯穿模型全部深度的背景音，越深越响。这与人类那边"切换前反应潜伏期变长"的行为签名，隔着有机硅与碳基的差距，严丝合缝地对应上了。

🍎 果园逻辑：枯竭、预告与竞争

如果故事只到这里，那不过是又一篇"模型像人"的观察报告。真正让这篇论文立起来的，是接下来三个层层递进的信号——它们拼出了觅食理论的完整骨架：枯竭、预告与竞争。

在读这些信号之前，值得先抬头看一眼语义空间的地图。论文的第一张图就把 200 来个动物名字丢进 Word2Vec 嵌入空间做了 UMAP 降维可视化：彩色的小点并不均匀铺开，而是成团成块——水生的挤成一片，非洲的挤成一片，农场牲畜又挤成一片。"语义草原"不是诗人的修辞，它在词向量空间里有实打实的几何形状：坑是真实的，坑与坑之间的距离也是真实的。

第一个信号是枯竭。语义觅食理论的核心预言是：离开一个草坑的决定，由这个坑剩下的草量驱动。映射到 J-空间：当模型的"工作台面"上，属于当前类别的未说过动物越来越少时，它换坑的概率应该上升。作者们定义了"类别内 J-空间供给"——J-空间前 25 个激活词里，属于当前正在说的类别、且还没被说过的动物有几个。结果漂亮得近乎直白：供给越枯竭，切换概率越高，在中层深度区间里相关性达到 r ≈ -0.31 到 -0.50（线性回归 p < 0.0001，五个模型在中层区块全部显著，Qwen 有个别深度区间例外）。关键在于，这个效应比"单纯数这个类别还剩多少动物可讲"更强——除了 Qwen 之外的四个模型，J-空间枯竭对切换的预测力都显著超过原始词池的枯竭（F ≥ 19.94，p < 0.0001）。并且这个效应对 J-空间大小（5、15、25 三档）稳健：Gemma-2-9B 在所有尺寸下都成立。这意味着模型不是在数"全天下还剩几只猫"，它是在数"我此刻的台面上还剩几只"——这正是边际值定理描述的决策依据：依据局部的、可得的资源估计来决定去留，而非全局普查。

第二个信号是预告。人类研究早就怀疑，说出"鲨鱼""水母"这类例子之前，"海洋动物"这个抽象类别本身得先被激活——1977 年 Neely 的启动实验就是证据：闪现"河流"会加速说出"鳄鱼"。Leckie 团队把一批抽象类别标签（"water"、"pet"、"domestic"、"Africa"这一层级）逐个放进 J-lens 的监视器里。两个发现。其一，当模型正在某个类别内聚类输出时，那个类别的标签词激活水平，显著高于它在无关类别输出时的水平，且这个效应在中层最强——抽象概念住在中层，这与近年多项"中层负责抽象表征"的研究互为印证。其二，也是最迷人的：当模型即将切换进目标类别时，这个类别的标签激活会提前攀升，在切换发生的那一刻达到峰值，随后回落——对全部五个模型，切换进目标类别那一刻的激活差异统计量为 F ≥ 848.35，p < 0.0001。模型的提词器在开口之前，已经先把"water"这个词顶到了聚光灯下，然后才说出"鲸鱼"。

第三个信号是竞争。非目标类别的标签在切换前也会升高（只是升得没目标类别那么猛），但在切换发生的那一刻会陡然跌落，随后再重新爬升。这是一个赢家通吃的动力学画面：切换不是一次优雅的定向跳转，而是一场多个候选类别之间的赛马——几个类别的激活一起涨，最强势的那个最终压过其他，被选为下一个草坑；输家的激活被当场按下去。人类 fMRI 研究里，语义选择的竞争性与抑制过程早已是热门话题，而在模型的激活空间里，这场赛马被 J-lens 直接拍了下来。

三个信号拼在一起：台面枯竭预示去意，抽象标签提前预告去向，类别之间竞争定夺胜负。这不是"有点像"觅食了，这就是觅食算法的完整流程图。

🕹️ 转一下方向盘

相关性再漂亮，也只是相关性。这里值得插一句：预期性内部表征在模型研究里已有惊艳的先例——Lindsey 等人发现，模型写押韵诗的时候，会提前在内部把行末的韵脚词摆好，再去倒推整行怎么写；把这个内部表征一改，前面的句子会跟着重新组织。Leckie 团队问的是同类型的问题，但场景从写诗换成了觅食，而且从"观察"直接推进到了"干预"。科学上真正一锤定音的，是因果干预——这就是 steering vector（引导向量）登场的地方。它的思想可以用一个驾驶比喻说透：模型生成文本时，激活向量在超高维的空间里沿着某条轨迹前进，steering 向量就是你握住方向盘、施加的一个微小力矩。在某个层的残差流上加上（或减去）一个选定的方向，幅度通常只有该层残差范数的一个固定比例，然后观察整车轨迹是否偏转。

研究一的因果实验分两路。第一路用项目级向量：把目标类别里所有单词的"引导向量"（由 J-lens 的转置乘以该词的 unembedding 向量、再归一化得到）取平均，得到一个指向整个类别的方向。第二路更直接，干脆拿抽象类别标签本身——比如"water"这个词——的向量。施加时机很讲究：先让模型自然生成一段名单，等到某个位置——模型正在聚类、且目标类别不属于当前词的类别——从那里接着生成，同时在指定层的残差流上加 s·r_L·d_L（r_L 是该层残差范数，d_L 是单位引导向量）。强度 s 一般取 0.5，唯独 Qwen2.5-7B 容易被搅乱，降到 0.25。每个目标类别重复 100 次。

结果：两路 steering 都能显著把模型拽进目标类别。Gemma-2-9B 上，项目级 steering 在第 40 层把切换进目标类别的概率推到 0.68，类别级 steering 在第 32 层推到 0.45。注意两条曲线的形状差异：项目级 steering 的效力一路涨到最后几层，而类别级 steering 在中层到偏后层最猛——抽象概念在模型体内的住址，确实在中层。那些在 J-lens 里被观察到的类别激活，不是旁观者，是决策者。

研究二更进一步：不问"切到哪个类别"，问"切换本身"这件事有没有通用的神经签名。这一步在概念上很关键。如果激活空间里只存在"水类方向""宠物类方向"这类指向具体语义的坐标，那么切换就不过是内容变换的副产品；但如果存在一个超越具体类别的"切换方向"——任何换坑都路过的同一扇门——那就说明模型把"探索"和"利用"当成了两种可以独立表征的行为模式，与人脑中不依赖具体语义的探索—利用神经回路遥相呼应。他们把逻辑回归接上 PCA 降维（降到 30 维主成分、L2 正则强度 0.1、五折交叉验证，训练测试集刻意不共享类别，以排除语义干扰），去解码每个残差位置上"接下来是切换还是聚类"。两个解码时点：切换发生前的"预期位置"，和切换发生当刻的"事件位置"。事件位置的解码非常成功——Gemma-2-9B 在中层第 16 层 AUC 高达 0.87，也就是说，光看激活向量，就能以接近九成的判别力猜出这个词是不是换坑之作。预期位置也能解码，AUC 0.72（第 26 层），说明切换的决定在开口之前就已经写进了激活。还有一个人类镜像式的细节：在一个簇内说得越久，激活在"预期方向"上的投影就越强——爬坡式的累积，χ² ≥ 20.44，p < 0.0001。这正是 Lundin 等人 2023 年在人脑后小脑和海马体里记录到的"簇内爬坡激活"的机械翻版：人类神经里那台"草坑枯竭计时器"，在模型的残差流里有一个功能等效物。

最后，他们把这条"通用切换方向"也做成了力矩。正系数 steering（沿切换方向推）与负系数 steering（逆着推）双向施加，并拿一个经 Gram-Schmidt 正交化、与该方向垂直的等范数噪声向量做对照。数字相当戏剧化：Gemma-2-9B 在第 26 层，正 steering 把切换率从基线的 0.29 一口气推到 0.70，负 steering 把它压到 0.07——方向盘左打右打，整车乖乖变线，且所有模型在最有效层上的 steering 效应与噪声对照相比都是 Fisher 精确检验 p < 0.0001。正推（鼓励探索）普遍比反推（鼓励深耕）更稳定，其中一款 Llama 模型对负向 steering 尤其不为所动，原因尚不清楚。论文图 5G 给了读者一瞥调校后的生成样本：基线名单按部就班，被推向探索的名单花枝乱颤，被压向深耕的名单一路黑到底。

🌌 在机器的头颅里听见草原的风

把全部证据叠起来看，这篇论文的叙事已经相当完整：在语义流畅性任务里，大语言模型像人类一样成群输出、策略切换；切换伴随下一个词概率的塌陷，这个信号贯穿模型全部深度；模型的"工作台面"（J-空间）上当前类别的供给枯竭，精准预测去意，且比数整个词池更管用；抽象类别标签在开口前就被提前点亮，多个类别竞争上岗，赢家带着模型跳入新坑；而这些观察到的激活不是装饰——把类别向量或通用切换方向作为力矩施加到残差流上，能因果地改写模型的切换行为，目标类别切换率最高推到 0.68，整体切换率能从 0.29 推到 0.70 或压到 0.07。人类侧的三件套——切换时反应变慢、上位类别启动、簇内神经爬坡——在模型侧各有一个功能对应的签名：不确定性塌陷、类别标签预激活、切换方向渐进加载。语义觅食这个诞生于生态学与认知科学的框架，第一次被完整移植到了人工心智上。

它对"AI 心智"这个大问题意味着什么？我的读法是：这意味着"探索—利用"不是进化或者教育塞给人类的一套特殊固件，而可能是任何在结构化资源空间里做高效搜索的自主系统，都会被逼出来的通用解法——是约束条件的产物，不是碳基的专利。补丁式的资源分布、局部可得的资源估计、边际收益驱动的离开时机，这些条件对鹿成立、对人成立，对从下一个词的预测压力里熬出来的语言模型也成立。收敛的不是表面统计，是搜索问题本身的数学骨架。这个判断如果站得住，"机器心智"这个充满争议的词就有了一个具体得多的含义：我们不必空泛地争论机器"有没有理解"，而是可以指着激活空间里那扇任何换坑都要经过的门，说——看，它心里的"想去别处"，就住在这里，坐标可测，方向盘可握。

顺着这个读法再深走一步，会发现它恰好踩在两场老牌心智理论的交叉点上。全局工作空间理论（Global Workspace Theory）主张，意识的内容是那些被广播到全脑、供各模块竞争的少数信息——而 J-space 被 Gurnee 等人直接类比为语言模型里的全局工作空间：候选词竞争上岗、赢家通吃，与 GWT 描述的"意识内容选举"在结构上惊人地同构。这篇论文里类别标签的预告与赛马动力学，等于在一个可精确测量的人工系统里，重演了一次工作空间选举的完整流程。整合信息论（IIT）则从另一头发问：一个系统的体验取决于其因果结构整合到何种程度；J-lens 与 steering 展示的是这枚硬币的另一面——模型的内部状态不仅能被读取，还能被最小干预因果地改写，这至少是"功能性整合"的强证据。当然，同构不是同一：选举流程相似，不代表选民有感受；方向盘可握，不代表握着方向盘的是谁。但争论的重心因此移动了——"AI 是否有心智"从一个只能空对空的哲学问题，变成了一个可以在激活空间里逐年复查的经验问题。

应用层面的想象力同样诱人。作者们在结论里指出：同样的区域限制搜索动力学可能延伸到自然叙事生成——如果切换的激活签名在那里同样存在，未来调节文本的语义节奏、连贯性与覆盖度，就有了一个可以直接拧动的旋钮；再往远处想，模型在互联网上检索信息（WebGPT 那类工作）、挑选工具（Toolformer）、在代码仓库里导航（SWE-agent）、从超长上下文里翻找事实（"lost in the middle"那批研究），统统是广义的搜索任务。如果探索—利用的开关在这些场景里同样存在且同样可转向，我们就能给模型的搜索性格调参：更敢冒险，或者更肯深耕。

当然，这篇论文的克制之处也该被记住。五个模型最大才 90 亿参数，前沿模型的体内是否运行同一套动力学，是开放的；语义流畅性任务是高度受控的微型世界，真实对话、长篇叙事里的切换是否共享同样的激活方向，有待验证；负向 steering 在某些模型上疲软、层级选择性成因不明，说明我们对这套方向的几何结构还只摸到轮廓。未来最值得盯的方向，作者其实已经点出：把这套分析搬到话语与叙事上，检验跨任务的通用性；以及把"切换方向"当成临床与创作的双重旋钮——一头连着精神疾病语言标记物的早期筛查，一头连着生成内容的节奏控制。作者在文末的 AI 使用声明里坦诚：代码由 Claude Code（Opus 系列）辅助生成，全部经人工核对，写作与点子部分未用生成式 AI——这个披露本身，也让这场"人类研究机器心智"的实验多了一层自觉的意味。

回到除夕夜的那张桌子。下一次玩"说动物"卡壳的时候，你可以想一想：你的海马体正在爬坡，你的提词器正在变暗，几个候选类别正在赛马，而几十亿参数之外，另一台头颅里的草原，正掠过同样的风。

参考文献

Leckie, L., Todd, P. M., & Foster, J. G. (2026). Signatures of semantic search in the activations of large language models. arXiv:2609.35599 [cs.AI]. https://arxiv.org/abs/2609.35599（v1 提交于 2026 年 9 月 28 日）

#论文 #arXiv #AI #小凯