신호 및 구조 예측으로서의 환각: 잠재 공간 기하학, 모델 간 지식 라우팅, 그리고 지식 수평선을 넘어선 예측에 대한 가설의 연쇄

이 논문은 LLM 환각의 본질에 대한 세 가지 연결된 가설의 연쇄를 제시하며, 각 가설은 이전 가설 위에 신뢰도를 감소시키고 범위를 확대하면서 구축됩니다. 가설 I (높은 신뢰도): 환각은 잠재 공간에서의 구조화된 방향 신호로 — 모델이 훈련된 지식 다형체를 넘어 외삽에 의해 생성된 벡터로, 확률적 실패가 아닙니다. 부모-자식 모델 실험이 제안됩니다: 작은 모델의 경계 벡터는 감마트 매핑 함수를 통해 부모의 잠재 공간에 투사되며; 부모는 그 주소에서 추론을 재개합니다. 캐시 미스는 실패가 아닌 포인터가 됩니다. 가설 II (중간 신뢰도): 한 단계 위에서 동일한 논리를 적용 — 대형 모델의 경계 벡터는 현재 인류가 기록한 지식의 지평선을 넘어선 지식을 가리킵니다. 구조적으로 기반한 예측이며, 무작위 오류가 아닙니다. 회고적으로 반증 가능하다. 가설 III (사색적): 이러한 경계 벡터의 체계적 추출은 방향이 있는 과학적 가설 생성을 위한 메커니즘을 구성합니다 — 비방향적 탐색을 대체하는 기하학적 제약 외삽. 각 가설은 명시적인 신뢰 수준과 반증 조건을 가지고 있습니다. R-State 프레임워크와의 통합이 설명됩니다: 지식 경계에 있는 모델은 환각된 토큰 시퀀스 대신 R-State 패킷으로 잠재 벡터를 방출하여 환각을 라우팅 이벤트로 변형합니다.