核心发现
方法论
该研究提出了认知内核模型（CKM），一种在提示层面实施状态强制的方法。模型在做出决策前需将输入分为事实、启发式和情感三种认知角色。CKM通过状态转移函数维护结构化状态，不改变模型权重。
关键结果
- CKM减少了重复输出的变异性，随机效应Hedges' g=1.09，95% CI [0.83, 1.35]，31个模型对比。
- 在新模型中，状态持久性将决策翻转率降低了82%，g=1.52。
- 在采样随机性下，CKM的优势增加，温度为0.7时g=2.87。
研究意义
该研究展示了行为一致性在大语言模型中的可测量性，并通过强制模型在决策前分离事实、假设和评估信号，部分提高了一致性。这一方法为模型的行为稳定性提供了新的评估和改进途径，具有重要的学术和应用价值。
技术贡献
技术贡献在于提出了一种无需改变模型权重的状态强制框架，能够在不同供应商和架构的模型中提高行为一致性。这种方法为模型行为的跨供应商分析提供了可能性。
新颖性
该方法首次在大语言模型中引入了事实、启发式和情感的角色分离，区别于传统的提示工程和记忆系统，提供了新的行为一致性改进路径。
局限性
- CKM未能提高推理正确性，仍需进一步研究以提升决策质量。
- 该方法在某些复杂场景下可能不够有效。
未来方向
未来研究可探索如何结合CKM与其他提示工程技术，进一步提高模型的推理能力和一致性。
AI 总览摘要
大语言模型（LLM）在相同决策问题上可能给出不同答案，甚至在其先前答案作为上下文时改变决策。为解决这一不稳定性，研究者提出了认知内核模型（CKM），一种在提示层面实施状态强制的方法。CKM要求模型在做出决策前将输入分为事实、启发式和情感三种认知角色。
实验在26个来自四个供应商的模型上进行，包含37,403个观察。结果显示，CKM显著减少了重复输出的变异性，并在新模型中将决策翻转率降低了82%。此外，在采样随机性下，CKM的优势更为明显。
尽管CKM未能提高推理正确性，但其通过强制模型分离信息来源，部分提高了行为一致性。这一研究为大语言模型的行为稳定性提供了新的评估和改进途径，具有重要的学术和应用价值。
深度分析
研究背景
大语言模型近年来在自然语言处理领域取得了显著进展，但其行为一致性问题仍未得到充分解决。现有研究主要关注模型的能力评估，而忽视了在相同输入下模型行为的一致性。
核心问题
大语言模型在相同决策问题上可能给出不同答案，这种不一致性在实际应用中可能导致信任问题，如医疗助手在相同症状下给出不同建议。
核心创新
研究提出了认知内核模型（CKM），通过在决策前将输入分为事实、启发式和情感三种角色，减少了模型的行为变异性。这一方法无需改变模型权重，适用于多种模型架构。
方法详解
- �� 将输入信息分类为事实、启发式和情感。
- �� 通过状态转移函数更新结构化状态。
- �� 在多轮次试验中保持状态一致性。
实验设计
实验在26个模型上进行，涉及四个供应商和37,403个观察。通过四个核心实验和多臂消融实验，评估CKM的效果。
结果分析
CKM减少了重复输出的变异性，显著降低了新模型中的决策翻转率，并在采样随机性下表现出更大的优势。
应用场景
CKM可用于提高医疗、法律和金融领域的决策稳定性，减少因模型不一致性导致的信任问题。
局限与展望
CKM未能提高推理正确性，且在某些复杂场景下可能不够有效。未来研究需进一步探索其在不同应用场景中的表现。
通俗解读 非专业人士也能看懂
想象一个厨房，厨师在做菜前需要明确食材、调味料和烹饪方法。CKM就像是一个指导厨师的清单，确保每个步骤都清晰明确。通过这种方式，CKM帮助大语言模型在处理信息时，明确区分事实、假设和情感，从而减少决策的不确定性。
简单解释 像给14岁少年讲一样
想象你在玩一款游戏，每次遇到相同的敌人时，游戏角色都会做出不同的反应。这会让人很困惑，对吧？CKM就像是一个游戏指南，帮助角色在遇到相同情况时做出一致的反应。这样，你就不会因为角色的随机行为而输掉游戏啦！
术语表
认知内核模型 (Cognitive Kernel Model)
一种在提示层面实施状态强制的方法，要求模型在决策前将输入分为事实、启发式和情感三种角色。
用于提高大语言模型的行为一致性。
状态强制 (State Enforcement)
通过结构化提示要求模型在决策前明确区分不同类型的信息。
CKM的核心机制。
决策翻转率 (Decision Flip Rate)
模型在相同输入下改变决策的频率。
用于评估模型的一致性。
Hedges' g
一种用于评估效应大小的统计指标。
用于量化CKM对行为一致性的影响。
采样随机性 (Sampling Stochasticity)
在不同采样条件下模型输出的变异性。
CKM在不同温度下的表现。
开放问题 这项研究留下的未解疑问
- 1 如何在不改变模型权重的情况下进一步提高推理正确性？
- 2 CKM在多语言环境中的表现如何？
应用场景
近期应用
医疗助手
提高医疗助手在相同症状下的决策一致性，减少患者的不信任感。
远期愿景
跨领域应用
在法律和金融领域中应用CKM，提高决策的稳定性和可靠性。
原文摘要
Large language models (LLMs) can give different answers to the same decision problem across runs, and reverse a decision when their own prior answer returns as context. We ask whether this instability can be measured and partially reduced without changing model weights. We test the Cognitive Kernel Model (CKM), a prompt-level state-enforcement layer. Before deciding, the model must separate its input into three epistemic roles: Fact (given or verifiable), Heuristic (inferred or assumed), and Emotion (evaluative or priority signal). CKM adds no capability; it forces the model to track what kind of information it uses before acting. Formally it maintains a structured state S_t = {F_t, H_t, E_t} updated by a transition function. We evaluate CKM on Korean-language decision scenarios (ambiguity, ethical conflict, resource allocation, error handling) across 26 LLMs from four vendors and 37,403 observations, via four core experiments, a 4-arm ablation, a 5-arm sham-restriction ablation, and a temperature probe. Findings: (1) CKM reduces repeated-output variability (random-effects Hedges' g=1.09, 95% CI [0.83, 1.35], 31 model pairs); (2) state persistence cuts the decision-flip rate by 82% in newer models (g=1.52); (3) the effect is not JSON formatting alone (value-only recomputation, g=2.24); (4) intrinsic randomness under fixed anchor states is negligible; (5) the advantage grows under sampling stochasticity (g=2.87 at temperature 0.7); (6) a sham ablation attributes about 45% of the gain to structural scaffolding and 55% to Fact/Heuristic/Emotion content, and CKM is the only arm that both raises consistency and reduces flipping. CKM does not improve reasoning correctness. The narrower result: behavioral consistency is measurable, varies across models, and is partially improvable by forcing models to separate facts, assumptions, and evaluative signals before deciding.