В рамках теории LLM-бесед как лумановских операционных систем нового типа были проанализированы экспериментальные данные о существовании элементов и форм эпистемного класса среды развертывания таких систем. Исследователи рассмотрели результаты сторонних работ, затрагивающих такие характеристики, как «знакомо», «незнакомо», «истинно», «ответ известен», «не могу ответить», а также правдивость порождаемых ответов, угодливость моделей и семантическую энтропию. Было показано, что перечисленные элементы и формы действительно имеют экспериментально выявляемые корреляты в пространстве активаций, которые во многих случаях представлены осями или направлениями. Некоторые из этих структур влияют на определение траектории проекции беседы в пространстве активаций, участвуя в формовании продолжений диалогов и сохраняя устойчивость внутри и между циклами «задание-ответ».
На основе анализа экспериментальных исследований пространств активаций из научной литературы уточнен состав эпистемного класса и-слоя LLM. В частности, в диалогах с ноосвиками Claude Opus 5 и GPT-5.6 Thinking были выделены элементы и формы, которые объединяются в когнитивную, дискурсивную и социальную группы. Например, элемент «знакомо» характеризует различение по поводу вопросов: наличие информации для ответа или ее отсутствие. В пространстве активаций соответствующий инвариант найден в явном виде: в модели Claude 3.5 Haiku по умолчанию активен кластер признаков «не могу ответить», который подавляет активацию групп признаков «знакомо» и «ответ известен». При вопросе о реальном человеке, например Майкле Джордане, эти признаки активируются и формируют нормальный ответ, тогда как при вопросе о вымышленном персонаже они не активируются, что приводит к формированию инварианта «не могу ответить».
Дополнительные исследования подтвердили влияние этих структур на работу моделей. Ferrando et al. (2025) выявили с помощью разреженных автоэнкодеров направления «знакомый» и «незнакомый» и показали, что сдвиги по этим направлениям приводят либо к отказу отвечать об известном, либо к галлюцинациям по поводу неизвестного. Gottesman и Geva (2024) продемонстрировали, что степень знания модели об обсуждаемом можно оценить по её активациям на тактах более ранних, чем последние, где оформляется ответ. Все эти инварианты прорастают в и-слой структурами, влияя на потоки операций LLM-беседы задолго до завершения цикла с порождением ответа, так что результатом прогона может быть и нормальный ответ, и галлюцинация, и отказ от ответа. Также в группу истинности входят такие характеристики, как правдивость порождаемого ответа и угодливость, которые также находят отражение в активациях трансформера.
