大語言模型（LLM）在面對顯著表面線索與隱性可行性約束相互競爭的問題時，常常給出錯誤答案。以往研究多把這類失敗歸因於模型不理解約束，但一篇新論文指出，模型其實知道約束，只是沒有在決策時使用它。該論文於2026年5月29日提交至arXiv（編號2608.12321），作者為Yubo Li及另外兩位合作者，標題是“LLMs Know the Constraint But Do Not Use It: Activation Bottlenecks in Pragmatic Constraint Reasoning”。
論文的核心貢獻是提出“條件約束激活”（conditional constraint activation）框架，把約束推理拆成四個可檢驗環節：知識（Knowledge）——約束是否被內部編碼；對稱性（Symmetry）——在約束出現和缺失的提示中，該編碼是否一致；路由（Routing）——編碼後的約束是否被送入最終決策；修復（Repair）——通過外部激活能否恢復正確行為。作者強調，僅看總體準確率會混淆真正的約束推斷與保守默認（conservative defaulting），即模型並非真的運用約束，而只是傾向於規避風險。
研究團隊在14個模型上運行四重診斷，識別出兩種不同的失敗模式。針對兩個開放權重模型的探針實驗顯示，約束信息在內部表徵中可以被解碼，準確率超過88%。然而，激活修補（activation patching）的結果卻截然不同：一種失敗模式得到明顯修復，對數似然提升+6.4 nats；另一種不僅沒有改善，反而略微下降（-0.07 nats）。這表明，約束知識明明存在，卻並非總能被有效路由到決策路徑上。
更值得注意的是緩解措施的侷限性。論文構建了所謂“緩解前沿”（mitigation frontier），嘗試多種提示干預，但沒有一種能夠真正到達修復角落。所有干預都通過同一條中介通路——前提提及（prerequisite mention）——放大了模型的保守偏差，而非恢復對約束的靈活運用。作者由此總結：隱藏約束失敗本質上是路由問題，而不是知識問題。這一結論對可解釋性和模型對齊研究具有重要意義，提示研究者應當關注模型內部信息如何被利用，而不僅僅是關注知識是否被存儲。