在语言模型的可信部署中，可靠的置信度——模型自身答案正确的概率——至关重要。现有研究主要评估置信度如何预测正确性以及其校准情况，但更根本的问题仍未得到解答：置信度信号本身代表什么？答案 logits 可能反映一个潜在的决策变量，这个变量足以计算规范性置信度，或者它只是一个结合可用证据的启发式偏好信号，而非贝叶斯方式。
我们使用统计决策置信度（SDC）这一来自计算神经科学的规范框架来探讨这一点。将答案-logit 差（LD）视为潜在决策变量的候选读出，我们测试了 SDC 预测的定性特征。
在三个感知判别任务和一个基于记忆的决策任务中，涵盖三种多模态非推理模型和一种推理模型，LD 满足了这些特征——包括诊断性的正确/错误折叠-X模式——显示在这些环境下，答案 logits 作为潜在决策变量的单调读出，而非启发式偏好分数。
在复杂的视觉推理中，LD 继续预测正确性，超越了客观任务难度，但 SDC 的完整几何特征缺失，表明在缺乏明确规范过程模型时该框架的当前边界。
这些结果为多模态语言模型中的置信度提供了计算解释，明确了答案 logits 何时作为潜在决策变量的读出，并确立了 SDC 作为研究生物与人工智能置信度的统一框架。
博主点评： 本文揭示了大型语言模型中置信度的计算机制，指出答案 logits 可以作为潜在决策变量的有效信号，而非简单的偏好指标。这为我们理解和优化语言模型的可靠性提供了新的视角，尤其是在多模态任务中的应用潜力值得进一步探索。