论文
打破概率的枷锁：中智逻辑作为大语言模型认知不确定性的新框架
Breaking the Chains of Probability: Neutrosophic Logic as a New Framework for Epistemic Uncertainty in Large Language Models
摘要
大语言模型（LLM）主要受概率框架支配，其中各结果概率之和被约束为1。这一通常由Softmax层带来的架构限制导致不确定性坍缩，使人难以区分认知不确定性、悖论与模糊。我们对中智逻辑（Neutrosophic Logic）在LLM认知状态建模中的应用进行实证考察；该框架将真（T）、不确定（I）与假（F）视为三个独立维度。我们在四个OpenAI GPT模型上，围绕逻辑悖论、认知无知、模糊性、伦理冲突与未来偶然性五类语言现象，在中智式、概率式与熵导出三种提示策略下开展实验。研究发现，中智方法允许 T+I+F > 1（我们将这种状态称为hyper-truth/超真），能更丰富地表示模型内部状态。在35%的评估中hyper-truth自发出现，主要集中在伦理冲突与逻辑悖论情形。我们证明该方法能在模糊语境中保持真值，并为识别与量化模型内部冲突提供了稳健方法。我们的结论是，引入中智评估层是迈向更透明、可靠且具伦理意识的AI系统的关键一步。
