Gli LLM Mostrano Primitivi Letterari Composizionali tramite Autoencoder Sparsi

Un articolo di ricerca su arXiv (2605.18808) esplora gli elementi letterari composizionali nei grandi modelli linguistici istruiti tramite l'uso di autoencoder sparsi applicati a flussi residui di media profondità. Il team ha esaminato Llama 3.1 8B-Instruct e Gemma 2 9B-IT, scoprendo quattro distinte categorie di caratteristiche: gate di denominazione che potenziano i token lessicali delle emozioni desiderate, un cluster di undici sé di tratti di registro in prima persona, modulatori di registro stilistico (tra cui mostra-non-dire e straniamento) ed emozioni composizionali che emergono esclusivamente da steering multi-caratteristica. In una valutazione a scelta forzata che coinvolgeva una giuria di 5 LLM e una tassonomia di 27 categorie emotive (Cowen-Keltner), Llama ha ottenuto un punteggio perfetto di 27/27, mentre Gemma ha raggiunto 23/27, con adorazione come unico fallimento netto. La valutazione casuale ha indicato una probabilità di passaggio per cella di circa 10^{-3} e un conteggio previsto di due semi di falsi positivi per cella nell'intero catalogo.