从标量到张量：声明式损失恢复了中智标量无法表达的认知区分

Leyva-Vázquez与Smarandache（2025）证明了中智T/I/F评估——其中真（Truth）、不确定（Indeterminacy）与假（Falsity）是三个之和不被约束为1.0的独立维度——能在LLM评估的复杂认知案例中揭示35%的“超真”（hyper-truth，T+I+F > 1.0）现象。我们从两个方向扩展其工作。首先，我们在来自五家厂商（Anthropic、Meta、DeepSeek、Alibaba、Mistral）的五个模型家族上复现并扩展其实验，在84%的无约束评估中发现超真现象，确认了在我们的提示协议下该现象跨厂商存在。其次，也是更重要的一点，我们识别出标量T/I/F的一个其框架无法处理的局限：采取“吸收”（Absorption）立场（T=0, I=1, F=0）的模型会对根本不同的认知情境（悖论、无知、偶然性）给出完全相同的标量输出，从而抹平了中智逻辑本设计用来保留的那些区分。我们证明，把评估扩展到包含声明式损失（对模型无法评估什么以及为何无法评估的结构化描述）能够实质性恢复这些区分。对悖论与无知给出相同标量的模型，其损失词表几乎不相交（损失描述关键词的Jaccard相似度<0.10），并给出领域特定、按严重程度分级的损失声明，借此区分其不确定性的性质。这表明标量T/I/F是认知状态的必要但不充分表示，而张量结构化输出（标量+损失）为LLM认知能力提供了更忠实的模型。