연구는 82명의 인간 참가자와 세 가지 대규모 언어 모델(GPT-4o, Gemini-2.5-Pro, Claude-Sonnet-4.5) 간에 의미 검색 역학을 비교했으며, 어휘 유창성 데이터를 사용했다. 분석은 각 모델의 8가지 온도 설정에 걸쳐 엔트로피, 다음 대상까지의 거리, 중심점까지의 거리를 정량화했다.
- 인간은 테스트된 모든 LLM보다 더 높은 엔트로피, 더 큰 의미적 단계, 더 넓은 분산을 보였다.
- 온도 튜닝은 인간과 모델 지표 간에 부분적인 일치만 생성했다.
- 어떤 구성도 모든 차원에서 완전한 인간 프로파일을 재현하지 못했다.
이 결과는 인간의 의미 검색이 국소적 활용과 전역적 탐색 사이의 독특한 균형을 구현하며, 현재 모델 아키텍처가 이를 재현하지 못함을 시사한다.