使用自然语言处理比较人类语义导航和 大语言模型

语义记忆检索可以被概念化为概念空间的导航。我们使用言语流利度数据比较了人类和三个 大语言模型（GPT-4o、Gemini-2.5-Pro、Claude-Sonnet-4.5）之间的语义搜索动态。通过将基于轨迹的 NLP 指标应用于 82 名人类参与者生成的项目和八种温度设置下的 LLM 输出，我们量化了三个互补维度：熵（步长可预测性）、到下一个的距离（连续的语义步骤）和到质心的距离（全局离散度）。与所有 LLM 相比，人类表现出更高的熵、更大的语义步骤和更广泛的分散性，表明更多的可变性和探索性搜索。温度调整仅产生部分对齐，因为在特定设置下人类和 LLM 之间的各个指标相匹配，但没有配置重现完整的人类概况（在所有维度）。这些发现表明，人类语义搜索在局部开发和全局探索之间实现了独特的平衡，而当前的模型架构无法重现这一点。