एक अध्ययन ने मौखिक फ्लुएंसी डेटा का उपयोग करके 82 मानव प्रतिभागियों और तीन बड़े भाषा मॉडलों (GPT-4o, Gemini-2.5-Pro, Claude-Sonnet-4.5) के बीच अर्थपूर्ण खोज गतिशीलता की तुलना की। विश्लेषण ने प्रत्येक मॉडल के लिए आठ तापमान सेटिंग्स पर एंट्रॉपी, अगले तक की दूरी और केंद्रक तक की दूरी को मात्रात्मक रूप से मापा।
- मानवों ने सभी परीक्षण किए गए LLMs की तुलना में उच्चतर एंट्रॉपी, बड़े अर्थपूर्ण चरणों और व्यापक प्रकीर्णन प्रदर्शित किया।
- तापमान ट्यूनिंग ने मानव और मॉडल मापदंडों के बीच केवल आंशिक संरेखण उत्पन्न किया।
- किसी भी कॉन्फ़िगरेशन ने सभी आयामों में पूर्ण मानव प्रोफ़ाइल को पुन: पेश नहीं किया।
निष्कर्ष सुझाते हैं कि मानव अर्थपूर्ण खोज स्थानीय शोषण और वैश्विक अन्वेषण के बीच एक विशिष्ट संतुलन लागू करती है जिसे वर्तमान मॉडल वास्तुकला पुन: पेश करने में विफल रहती है।