相同的几何形状，相反的噪声：Transformer 幅度表示缺乏标量变化

标量变异性——代表性噪声与幅度成比例的发现，产生恒定的变异系数——是生物幅度系统的标志。我们通过分析三个 7-8B 参数模型（Llama-3-8B-Instruct、Mistral-7B-Instruct-v0.3、Llama-3-8B-Base；数据来自 Cacioli，2026）中 26 个数值量级的载体句子之间的隐藏状态表示的分散性，测试了 Transformer 语言模型是否表现出此属性。我们发现相反的情况：表征变异性随着幅度沿幅度轴的幅度而减小（缩放指数 alpha 约为 -0.19；alpha > 0 的 0/16 主要层，所有三个模型）。负号在全维空间（alpha 约为 -0.04）和句子同一性校正后（alpha 约为 -0.007）是一致的。沿幅度轴的反标量模式比正交维度强 3-5 倍，并且语料库频率强烈预测每个幅度的变异性 (rho = .84)。这些结果表明，单独的分布式学习不足以产生标量变异性：Transformer 再现对数压缩幅度几何形状，但不能再现生物系统中观察到的恒定 CV 噪声特征。