I LLM Comprimono 10 Parole di Intensità in 5 Output Distinti

Uno studio su arXiv (2605.21827) indaga se i modelli linguistici preservano il significato ordinale delle parole di intensità quando producono azioni numeriche. Utilizzando una scala di 10 modificatori di grado inglesi da 'slightly' a 'drastically', basata sulla tassonomia di Quirk et al., Claude Haiku ha ricevuto istruzioni in linguaggio naturale in un ambiente controllato di allocazione delle risorse. L'unica variabile modificata tra le esecuzioni era la parola di intensità o lo stato iniziale del sistema. In 6.620 esecuzioni a temperature 0,0 e 0,7, sono emersi tre pattern: il modello ha compresso 10 parole in 5 output mediani distinti, con quattro parole di livello inferiore mappate allo stesso valore (Spearman rho = 0,845, p < 0,001); lo stato attuale del sistema ha influenzato l'output; e temperature più elevate hanno aumentato la variabilità.