研究は、82人の人間参加者と3つの大規模言語モデル（GPT-4o、Gemini-2.5-Pro、Claude-Sonnet-4.5）の間で意味検索の動態を比較し、発話流暢性データを使用した。分析では、各モデルの8つの温度設定にわたり、エントロピー、次への距離、重心までの距離を定量化した。

  • 人間は、テストされたすべてのLLMよりも高いエントロピー、大きな意味ステップ、より広い分散を示した。
  • 温度調整は、人間とモデルの指標間の部分的な整合性しか生み出さなかった。
  • いかなる設定も、すべての次元にわたって完全な人間のプロファイルを再現しなかった。

これらの知見は、人間の意味検索が局所的な活用と大域的な探索の間で独特のバランスを実装しており、現在のモデルアーキテクチャがこれを再現できないことを示唆している。