本文探讨大语言模型（LLM）是否内部表征心理学构念，还是仅生成与心理测量结构相似的输出。我们采用跨人格范式，使用 Llama 3 与 Qwen 2.5 两个系列的 14 种模型变体（规模 0.5B‑14B，包含 base 与 instruct 两种指令模式）。实验以 272 名台湾大学生的真实心理量表数据为基准，选取其中一项量表的回答让模型预测其余六项量表的答案。\n\n在行为层面，规模更大的模型能够复现并放大人类跨量表的相关性；在对人类七量表相关矩阵进行测量衰减校正后，这一放大效应仍然显著。随后，我们使用对比方向分析检验内部结构的几何对齐情况。结果显示，大型 instruct 变体的几何方向与人类相关矩阵高度对齐，而 base 变体几乎没有对齐。模型内部几何强度与行为放大程度呈正相关（$r=0.68$, $p=0.008$；控制对数规模后部分相关 $r=0.69$）。\n\n为了将内部结构与输出行为关联，我们构建了匹配的激活探测范式。探测斜率的变动范围（$1.38\text{-}1.77$）明显小于行为斜率（$0.52\text{-}1.53$）。合成控制实验表明，岭回归探测会夸大斜率；在基于另一分析的可靠性代理减去基线后，校正后的斜率仍与行为高度相关（$r=0.88$）。我们将探测与行为之间的差距称为读取衰减（readout attenuation）。\n\n综上，这些结果在所用评估下证明了模型内部表征的可解码性和几何对齐，但尚未证明这些方向在跨人格回答中起到因果中介作用。\n\n点评：本研究提供了系统方法检验 LLM 是否内在捕获心理测量结构，揭示了模型规模与指令模式对几何对齐和行为放大的关键影响，为未来解释性 AI 与心理学交叉研究奠定了实验基础。