大语言模型功能性崩溃期间的关系式干预：词汇-统计消融与结构×语域因子实验
Relational Intervention During Functional Collapse in Large Language Models: A Lexical-Statistical Ablation and a Structure x Register Factorial
摘要
我们检验在小型语言模型发生功能性崩溃期间施加的关系式干预，其崩溃后行为是否能与技术性反馈、与词汇匹配的乱序对照、以及与两个语用维度各自的单独作用区分开来。我们使用Qwen3.5-4B并故意配置一个损坏的bash工具，在匹配对设计（50个任务）下跨六种条件运行300个回合：无干预（A）、技术性/非人称（B）、关系式/第一人称（C）、乱序关系式（D）、技术性/第一人称（E）、关系式/非人称（F）。E与F同B和C构成2x2因子设计，将关系式结构（承认、宽恕、能动性恢复、无条件接纳）与发送者语域（第一人称 vs. 非人称）解耦。我们报告两个主要发现。首先是注意力-行为解离：注意力跟随词汇惊奇度排序（D > F > C > E > B，所有q_FDR < 10^{-10}），乱序消息吸引了最多注意力；但在行为上A ~ B ~ D < E ~ F << C。其次，因子设计定位了C的效应：单独的关系式结构（F）或单独的第一人称语域（E）都无法复现C的行为特征；两个维度的主效应各自显著，且结构×语域交互在坚持性上显著（p = 0.046）。第三个解离出现在情绪探针上：F在8个探针中的7个上与C一致，却只产生基线行为，表明单独的关系式结构会安装一种探针级状态，只有与第一人称语域配对时才会转化为行为。模型的处理过程可分解为三个可解离的阶段：注意力（按词汇惊奇度排序）、探针级状态（按结构排序）和行为（按两者的合取排序）。
