推理的几何：表征空间中的逻辑流

基于摘要分析。本文研究 LLM 的逻辑推理如何体现于内部表征，提出将推理描述为嵌入轨迹演化的几何流框架，并通过保持自然演绎命题相同、改变语义载体，考察模型是否学习了超越表面形式的逻辑结构。 机制上，作者以位置、速度和曲率等几何量描述表征空间与概念空间中的推理过程。作者提出的理论结论包括：LLM 推理对应表征空间中的平滑流，逻辑陈述则充当流速度的局部控制器。实验使用学习得到的表征代理，对推理流进行可视化与量化；代理的具体构造、几何量估计方式及理论成立条件尚未验证。 作者报告，Qwen 与 LLaMA 模型家族上的受控实验支持该框架，并据此认为，仅通过下一词元预测训练，模型也可能将逻辑不变量内化为表征空间中的高阶几何结构。作者进一步提出可能存在跨训练方式和架构的普遍表征规律；这属于作者对结果的解释，不能据摘要视为已确立的普适定律，也不能据此认定已验证与人类语言规律相同的机制。 材料未提供具体模型版本、命题集合、代理训练数据、对照设置或定量指标，实验协议、消融及统计信息尚未验证。本文主要对象是 LLM 推理的几何解释，而非 EEG 解码或 BCI；现有材料不足以建立针对神经信号的具体迁移机制，已有 EEG 相关工作尚未检索确认。