隐喻有方向：在LLM的几何空间里找到隐喻的开关

"时间就是金钱"——这句话在LLM里长什么样？

"时间就是金钱"、"论证是战争"、"爱情是一场旅程"。

这些隐喻不只是修辞装饰。Lakoff 和 Johnson 在 1980 年的经典著作中指出：隐喻是人类认知的基本机制，我们通过一个领域来理解另一个领域。

如果隐喻真的是认知基础设施，那大语言模型内部应该有某种结构来表示它。阿姆斯特丹大学的 Shihui Li、Mette Andersen 和 Martha Lewis 做的事情就是：在 LLM 的几何空间里找到隐喻的"方向"，然后像拧旋钮一样控制它。

方法：在残差流里找"隐喻子空间"

论文用了两种机制可解释性技术：

1. Activation Patching（激活补丁）

思路很直接：如果某个位置的激活向量编码了"这是不是隐喻"的信息，那把它替换成别的激活，模型的隐喻判断应该会改变。

具体做法：在模型处理"时间就是金钱"时，把某个位置的激活向量"补丁"到处理"时间就是资源"的模型上，看输出是否从"字面义"翻转到"隐喻义"。

2. Distributed Alignment Search（DAS，分布式对齐搜索）

DAS 更进一步：不是直接替换激活，而是找一个低维子空间（subspace），使得在这个子空间上做干预，能因果地改变模型的隐喻判断。

这就像在一个高维空间里找到一条"隐喻轴"——沿着这条轴推一推，输出就更隐喻；反方向推，输出就更字面。

论文对比了 DAS 和 Marks & Tegmark (2024) 的 mass-mean steering 方法。mass-mean 是算"隐喻样本的平均激活"和"非隐喻样本的平均激活"的差，然后加到模型上。DAS 更精细，找的是因果有效的方向而非统计平均。

三个数据集，三个任务

实验覆盖了三种词类：

• NOUN：名词隐喻（"时间是金钱"）
• ADJ：形容词隐喻（"冰冷的目光"）
• DOM：领域特定形容词（特定语境下的隐喻用法）

• 识别（Identification）：这句话是隐喻还是字面？
• 理解（Interpretation）：这个隐喻是什么意思？
• 生成（Generation）：让模型生成隐喻/字面文本

结果：隐喻确实有"方向"，而且可以控制

核心发现：

分类任务上：在多种 LLM（不同架构、不同规模）上，都能找到因果有效的子空间，使得沿这个方向干预能改变模型的隐喻判断。跨词类都有效——名词、形容词、领域特定形容词。

生成任务上：干预这个子空间能控制生成文本的"隐喻度"。拧高，模型输出更隐喻；拧低，输出更字面。

这意味着：隐喻在 LLM 里不是某种分散的、不可定位的现象，而是有几何结构的、可定位可干预的"方向"。

为什么这件事有意思

1. 隐喻是认知的窗口

如果 LLM 内部有"隐喻方向"，那说明模型不只是学会了"隐喻这种修辞手法"，而是学会了隐喻背后的概念映射——用一个领域结构化地理解另一个领域。这是人类认知的核心能力之一。

2. 可控生成的可能性

能控制隐喻度，意味着你可以：

• 让模型在需要精确表达时降低隐喻度（医疗、法律场景）
• 让模型在需要创意写作时提高隐喻度（文学、广告）
• 研究不同模型、不同训练阶段对隐喻的编码差异

3. 机制可解释性的又一例证

这篇论文是"在模型内部找到因果结构"这个大方向的一个具体案例。之前的工作找到了"真话方向"、"情感方向"、"拒绝方向"。现在加上"隐喻方向"——越来越多的高层语义概念被发现有对应的几何结构。

这指向一个越来越清晰的图景：LLM 的内部不是黑箱，而是一个有结构的几何空间，不同的语义维度对应不同的方向。我们正在学会读这张地图。

诚实评价

论文的局限：

• 实验主要在中小规模模型上（Llama 3 等），超大规模模型上的效果未验证
• "隐喻"是一个模糊的概念——不同类型的隐喻（死隐喻、扩展隐喻、混合隐喻）可能对应不同的内部结构，论文没有细分
• DAS 找到的子空间在不同模型之间是否"对齐"（同一方向代表同一含义）未讨论
• 生成任务的质量评估用了 LLM-as-judge，这本身有可靠性问题
• 没有开源代码

论文：arxiv.org/abs/2610.31520