LLM知道约束条件却不使用：语用约束推理中的激活瓶颈
这篇论文指出，大语言模型在表面线索与隐性可行性约束冲突时失败，并非因为不知道约束，而是未能将已编码的约束路由到决策中。作者提出条件约束激活框架，通过14个模型的四重诊断和激活修补实验表明，隐藏约束失败是路由问题而非知识问题，现有提示干预无法真正修复，反而会加剧保守偏差。
大语言模型（LLM）在面对显著表面线索与隐性可行性约束相互竞争的问题时，常常给出错误答案。以往研究多把这类失败归因于模型不理解约束，但一篇新论文指出，模型其实知道约束，只是没有在决策时使用它。该论文于2026年5月29日提交至arXiv（编号2608.12321），作者为Yubo Li及另外两位合作者，标题是“LLMs Know the Constraint But Do Not Use It: Activation Bottlenecks in Pragmatic Constraint Reasoning”。
论文的核心贡献是提出“条件约束激活”（conditional constraint activation）框架，把约束推理拆成四个可检验环节：知识（Knowledge）——约束是否被内部编码；对称性（Symmetry）——在约束出现和缺失的提示中，该编码是否一致；路由（Routing）——编码后的约束是否被送入最终决策；修复（Repair）——通过外部激活能否恢复正确行为。作者强调，仅看总体准确率会混淆真正的约束推断与保守默认（conservative defaulting），即模型并非真的运用约束，而只是倾向于规避风险。
研究团队在14个模型上运行四重诊断，识别出两种不同的失败模式。针对两个开放权重模型的探针实验显示，约束信息在内部表征中可以被解码，准确率超过88%。然而，激活修补（activation patching）的结果却截然不同：一种失败模式得到明显修复，对数似然提升+6.4 nats；另一种不仅没有改善，反而略微下降（-0.07 nats）。这表明，约束知识明明存在，却并非总能被有效路由到决策路径上。
更值得注意的是缓解措施的局限性。论文构建了所谓“缓解前沿”（mitigation frontier），尝试多种提示干预，但没有一种能够真正到达修复角落。所有干预都通过同一条中介通路——前提提及（prerequisite mention）——放大了模型的保守偏差，而非恢复对约束的灵活运用。作者由此总结：隐藏约束失败本质上是路由问题，而不是知识问题。这一结论对可解释性和模型对齐研究具有重要意义，提示研究者应当关注模型内部信息如何被利用，而不仅仅是关注知识是否被存储。