在本研究中，我们将语义记忆检索视为在概念空间中的导航。通过对82名参与者和三种大型语言模型（GPT-4o、Gemini-2.5-Pro、Claude-Sonnet-4.5）的语义搜索动态进行比较，使用了基于轨迹的自然语言处理（NLP）指标，分析了在八种温度设置下生成的项目。
我们量化了三个互补维度：熵（步长可预测性）、下一个距离（连续语义步骤）和质心距离（全局分散度）。结果显示，人类的熵更高、语义步骤更大且分散更广，表明其搜索过程更具变异性和探索性。
温度调节仅产生部分对齐，个别指标在特定设置下与人类匹配，但没有任何配置能重现人类的完整特征（在所有维度上）。这些发现表明，人类的语义搜索在局部利用与全局探索之间实现了独特的平衡，而当前的模型架构未能再现这一点。
博主点评： 本研究深入探讨了人类与大型语言模型在语义导航上的差异，揭示了人类在探索性和变异性方面的优势。这为未来的模型改进提供了重要的启示，尤其是在如何更好地模拟人类思维的语义搜索方面。希望后续研究能够进一步缩小这一差距。