Исследование сравнило динамику семантического поиска между 82 участниками-людьми и тремя большими языковыми моделями (GPT-4o, Gemini-2.5-Pro, Claude-Sonnet-4.5) с использованием данных вербальной беглости. Анализ количественно оценивал энтропию, расстояние до следующего элемента и расстояние до центроида при восьми настройках температуры для каждой модели.
- Люди демонстрировали более высокую энтропию, большие семантические шаги и более широкую дисперсию, чем все протестированные LLM.
- Настройка температуры приводила лишь к частичному совпадению метрик человека и модели.
- Ни одна конфигурация не воспроизводила полный человеческий профиль по всем измерениям.
Результаты указывают на то, что человеческий семантический поиск реализует уникальное равновесие между локальной эксплуатацией и глобальным исследованием, которое текущие архитектуры моделей не могут воспроизвести.