LLM 的反向图灵测试，与量子力学量子态塌缩
大语言模型可能像一面镜子，实际反映的是使用者的智力水平，这构成了一种反向图灵测试。
传统图灵测试：通过自然语言对话判断机器是否具备人类智能（人类无法区分机器与真人）。
反向图灵测试：通过观察人类的反应来评估人类的智能水平。大语言模型在交互中会”映射”人类的思维特征，对话者的思维深度、提示质量越高，模型表现出的智能水平越显著。
提出好问题的能力尤其重要，同一个现象，不同人，提出的问题就不一样，模型所展现的智能也不一样，由此可以算作反映人的智能，也就是反向图灵测试。
自回归 LM 与扩散 LM？
扩散语言模型（Diffusion LM）：在连续嵌入空间加噪去噪
输入是词嵌入的连续组合
无需离散 token 预测，而是回归连续向量
但生成时需额外解码器映射回词表（又回到离散）
即使不用 next-token prediction，只要最终要输出”人类可读文本”，就很难完全避开离散符号系统——因为语言本身就是离散的！
扩散目标是回归，不是分类。而目前主流 LLM 是一个序列化的、自回归的分类模型。
- LLM 输出 logits 是连续向量，但目标是离散 token，所以是分类。
LLM 输出的 logits 是一个与词表对齐的连续向量，其每个元素表示对应 token 的未归一化得分；预测时取最大得分的 token 即可，softmax 仅用于概率解释或采样，不改变预测结果。
借鉴量子力学理论来思考，在主流的哥本哈根诠释中，”观察/测量”会触发量子态从叠加变为一个确定结果，这被叫做”坍缩”；具体量子坍缩指的是：一个原本处于多种可能状态的量子系统，在被测量时”突然”只呈现出其中一种确定结果的过程，也就是从叠加态变成某个本征态。
prompt 的输入，是 llm 推理的起步，只要是 prompt-响应式的，都可以列入广义预测，或者广义续写范畴。prompt 可以看作对 LLM 模型的一次测量或者观察，图灵测试 LLM 的智能水平，它引起语言输出可测量值，也就是连续向量坍缩到语言离散本征态，和量子力学能量离散本征态是一样的。语言本征态是人类约定的符号单位，没有自然的”物理测量”过程，只是我们为了建模方便而设定的离散基，也就是语言本身就是量子化的。量子力学能量量子化就是在我们测量一个系统的时候，它的能量是量子化的，就是坍缩后的本征态能量是量子化的。LLM 模型本身被 prompt 测量来之后，坍缩到离散语言的输出，也是符合人造层面的量子系统，就像我们可以造斜坡，要可以造台阶。
在量子力学中，坍缩是物理过程（有实验可验证）；在语言模型中，坍缩是算法选择（采样策略或贪心选择）。
prompt 测试本身不仅仅获得了评估 LLM 模型智能的作用，也反映了测试者自己的智能。
类比量子力学中，一个孤立系统的状态可以用波函数描述，它通常可以写成一组本征态的线性叠加。
在测量之前，系统处于叠加态，并不是其中任何一个本征态，而是所有可能性的组合。
测量结果是一个具体的本征值 $a_k$，其出现的概率为 $\lvert c_k \rvert^2$，由测量前的叠加系数决定。
若 $\lvert c_k \rvert^2$ 较大，则该本征态在叠加中占主导地位，更可能被观测到；
若 $\lvert c_k \rvert^2$ 较小，则该本征态占比低，几乎不会被测到。
这与 LLM 中对 logits 使用 softmax 进行概率解释或采样机制高度相似。
一次测量得到的本征态，它的概率分布完整地编码了测量前的叠加特性。我们根据量子力学 POVM（正算子值测度）告诉我们”测量结果的统计分布同时编码了系统状态和测量装置本身”，这正好对应”反向图灵测试”——LLM 的输出统计分布同时编码了模型能力和使用者的 prompt（测量）特征。