On Epistemic Diversity in Large Language Models
大型语言模型（LLMs）在支持知识密集型任务时，其评估不能仅依赖准确性或对齐度。本文提出“认识论多样性”作为重要评估维度，将其定义为 LLM 向用户展示的有效答案、解释及推理路径的范围。研究构建了概念化与测量该维度的初步框架，并在两个领域进行实证操作。研究发现，前沿 LLMs 常表现出认识论狭隘性，反复将大量有效答案空间坍缩至少量规范子集。这些发现表明，LLM 评估应超越以准确性为导向的范式，将认识论多样性视为模型能力的关键维度。