《Journal of Eye Movement Research》：Through the Looking Glass: Eye Tracking as a Cognitive Benchmark for Language-Model Semantics and Observer-Specific Semantic Alignment
摘要专业翻译
评估语言模型（language model, LM）所习得的语义表征仍具挑战性，因为传统内在基准（intrinsic benchmarks）仅捕获意义的有限方面，且往往与下游任务表现的相关性较弱。眼动追踪（eye tracking）提供了互补的、基于认知的证据：阅读和场景观看过程中记录的注视（gaze）指标可反映在线加工（online processing）和注意选择（attentional selection），但不应被视为语义表征的直接读出。本叙述性综述（narrative review）与方法学框架综合了将分布性（distributional）和语境性（contextual）语言表征与眼动行为联系起来的研究，重点关注语义相关性（semantic relatedness）、可预测性（predictability）、惊异度（surprisal）、模型规模（model scale）、层依赖对齐（layer-dependent alignment）以及模型–人类对应关系（model–human correspondence）。来自自然阅读语料库的证据表明，嵌入（embedding）衍生的相关性和语言模型惊异度可解释注视指标的方差，而近期研究表明认知对齐（cognitive alignment）取决于模型规模、层、分词（tokenization）、任务和测量范式。研究人员提出将该方法从群体水平模型评估扩展至观察者特异性注视衍生关系结构（observer-specific gaze-derived relational structure）。对于视觉场景，注视转移（gaze transitions）可表示为候选选择（candidate choices）和关系图（relational graphs），并与源自语言或视觉–语言模型（vision–language model, VLM）的多种语义关系矩阵进行比较。由于注视转移受空间距离、物体大小、显著性（salience）、任务需求、语境及预处理决策的影响，这些因素必须加以控制，且在需要因果隔离时应独立于语义关系进行操作。研究人员建议结合候选归一化层次选择模型（candidate-normalized hierarchical choice models）、残差化注视关系（residualized gaze relations）、带可靠性与不确定性评估的表征相似性分析（representational similarity analysis, RSA），以及必需的独立行为验证，以刻画模型语义几何结构与观察者特异性关系组织之间的趋同与分歧。
论文主体内容总结
1. 引言：从嵌入评估到人类语义对齐
语言意义的向量表征已成为自然语言处理的基础。静态嵌入（static embeddings）如Word2Vec和GloVe编码源自分布性共现的词汇规律，而语境化模型（contextual models）如ELMo和BERT则产生随语言语境变化的表征。当代大语言模型（large language models, LLMs）通过学习支持预测、生成、推理和多模态处理的高维内部表征，进一步扩展了这一轨迹。然而核心评估问题仍然存在：语义表征“好”意味着什么？传统内在评估将模型相似性与人类判断或向量类比测试进行比较，但这些基准用途有限、对数据集构建敏感，且不能一致预测下游表现。外在评估（extrinsic evaluation）通过测量命名实体识别、问答或分类等任务表现来评估实用性，但下游准确率是表征质量的间接度量，因为它反映了许多语义之外的成分。由此产生的差距推动了认知基础评估（cognitively grounded evaluation）的发展：根据模型表征对人类语言加工过程中产生的信号的解释程度来评估模型表征。眼动追踪在此背景下具有吸引力，因为它提供了时间精确、相对非侵入性的在线加工测量。然而，注视是多种交互作用过程的行为结果，而非意义本身的直接测量。该综述有两个相互关联的目标：第一，综合关于分布性或语境性语义表征与阅读中眼动行为关系的证据；第二，开发一个更具推测性但可检验的方法学框架：利用视觉场景中标记物体间的注视转移来估计观察者特异性关系结构，并将其与语言和视觉–语言模型的语义几何结构进行比较。该综述提出五个问题：（1）语义表征如何与眼动数据进行比较？（2）阅读研究如何显示语义相关性和可预测性的可分离作用？（3）模型表征与注视行为之间的对齐对认知合理性有何意义？（4）如何厘清语义、空间和视觉因素对场景观看转移的影响？（5）在何种条件下，注视衍生的关系结构可用于量化个体人类–模型语义对齐？
2. 评估对象：语义相似性、联想、可预测性与表征
2.1 从静态嵌入到语境化和大语言模型
静态分布性嵌入将每个词汇类型映射为单一向量，而语境化模型为语境中的词元（token）分配表征。大语言模型进一步使评估复杂化，因为概念的“语义表征”可能取决于层、分词、提示（prompt）、话语语境、模型规模，以及使用的是专用嵌入模型还是生成式隐藏状态。因此，与人类行为的比较必须指明提取何种表征、从哪一层或何种池化（pooling）程序提取，以及为何该表征在理论上适当。在句子水平上，从符号语言输入到模型衍生语义表征的映射涉及多个不同阶段：文本首先被分词，然后由选定的语言模型或Transformer层生成语境化词元表征，随后可通过明确指定的池化或句子嵌入程序获得句子水平向量。余弦相似度（cosine similarity）仍是比较向量的常用工具，但不应自动等同于人类语义相似性，因为分布性邻近可反映分类学重叠、主题联想、搭配规律、语境兼容性或这些关系的混合。
2.2 相似性不同于联想
至少应区分三种关系。分类学相似性（taxonomic similarity）涉及共享类别结构（如狗–猫）；主题性或联想性相关性（thematic or associative relatedness）涉及参与同一事件或情境但种类不同的概念（如杯子–咖啡机）；语境连贯性（contextual coherence）涉及词或物体对特定语言或视觉语境的适配程度。这些关系在自然数据中可能相关，但在概念上不同，且可能以不同方式引导注视。该区分对场景观看尤为重要：从刀到砧板的转移可能强烈受功能联想驱动，而从狗到猫的转移可能反映类别相似性。将两者视为一种无差别的“语义相似性”度量，可能掩盖实际引导注意的认知关系。
2.3 可预测性与惊异度
惊异度定义为给定前述语境时即将出现词语的条件概率的负对数。惊异度理论预测低期望词语的加工难度增加，阅读时间研究反复表明语言模型惊异度可预测注视和阅读时间指标。由于分布性相似性和可预测性都受共现影响，二者相关，这使得将嵌入相似性与注视之间的关联解释为纯语义效应变得困难。Frank的研究表明，一旦控制可预测性，某些表面上的语义相似性效应可能消失。近期工作表明这种关系并非简单的非此即彼：Salicchi等人报告了惊异度和语境化BERT衍生相关性的可分离贡献；Sun等人表明可解释的语境化语义相似性度量可改善眼动预测。同时，模型规模与类人加工并非单调相关：较大模型的惊异度可能更差地拟合人类阅读时间，训练暴露可产生中间最优值，参数规模在不同语言中与早期和晚期眼动指标的关系不同。子词分词（subword tokenization）也很重要，因为人类测量通常定义在与LM词元边界不一致的词或区域上，因此需要原则性的聚合或边缘化。
3. 阅读中的眼动作为认知基准
3.1 阅读测量的信息价值
阅读由注视和眼跳（saccades）序列而非连续视觉摄取组成。注视持续时间和回视（regressions）反映词汇通达、句法加工、预测、整合和重分析的综合。语义异常和语境适配度降低可增加加工时间。最常分析的指标包括首次注视持续时间、凝视持续时间或首遍阅读时间、总阅读时间、注视次数、回视概率和go-past时间。早期指标通常与词汇通达和即时加工关联更强，而后期指标包含重分析和整合。这些区分是概率性的而非绝对的；没有单一指标能唯一识别认知过程。
3.2 公共阅读语料库
GECO包含阿加莎·克里斯蒂《斯泰尔斯庄园奇案》的单语和双语自然阅读数据，提供多种词水平眼动指标。Provo语料库包含55篇英文短文，由84名母语者阅读，附有可预测性常模。俄语句子语料库提供俄语句子阅读的基准眼动数据。多语言眼动语料库（MECO）将自然段落阅读扩展到13种语言。这些资源在体裁、语言多样性、参与者群体、文本长度、预处理和任务方面存在差异，因此跨语料库的模型排名差异不应自动解释为语义质量差异。
3.3 基于相关的评估
常见方法计算目标词与其前述语境之间的语义关系，并将该值与眼动指标相关。预期方向通常是负向：更强的相关性应与更短的阅读时间相关。但该预期仅在考虑词汇频率、词长、可预测性等主要协变量时才有意义。简单双变量相关最好视为描述性的而非决定性的。更强的设计使用回归或混合效应模型，考察语义预测变量是否能解释超出既定控制变量的方差，以及其效应是否在参与者、项目和语料库间泛化。
3.4 基于预测的认知评估
CogniVal引入了一个更广泛的框架，其中词表征通过其预测眼动、脑电图（EEG）和功能性磁共振成像（fMRI）认知信号的能力来评估。基于预测的评估可利用完整的表征结构，而非将向量简化为单一相似性分数。Hollenstein等人表明不同嵌入在预测认知数据的能力上存在差异。然而预测准确率应谨慎解释：表征可能因编码词频、句法规律、语境期望或其他相关因素而预测注视，而非仅因语义结构。认知预测在辅以消融分析（ablation analyses）和基线时最为有力。
3.5 现有比较的结论与局限
文献中静态和语境化表征均与眼动行为表现出可测量的关系。GloVe和BERT有时在基于相似性的分析中产生相对较强的关联，而认知预测框架表明表征在预测眼动和其他认知信号的能力上存在差异。近期研究扩展了该图景：人类停留时间与较早Transformer层中的注意力模式关联最强，而非仅与参数数量相关；认知引导预训练和注视知情注意力可改变下游行为；模型规模或训练暴露可改善或恶化心理测量拟合，取决于眼动指标和范式。这些发现支持表征和测量特异性的认知对齐，而非语言模型的普遍排名。
4. 模型注意力与人类注视
Transformer注意力与人类注视经常被比较，因为两者都可表示为序列元素上的分布。但Transformer注意力是模型内习得的计算操作，而眼动是受视觉敏锐度、眼动控制、任务目标和认知约束的外显运动行为。实证比较强化了这一警示：注意力–注视对应关系因架构和层而异，注视知情注意力可改善某些下游任务，但不意味着机制等价。Dini等人考察了Transformer模型是否编码与人类阅读行为相关的信息，以及中间微调（fine-tuning）是否改变模型对齐。结果表明预训练Transformer表征中存在注视相关信息，眼动微调可在所评估的设置中增加模型–人类对齐。
5. 从阅读到视觉场景加工
5.1 场景中的语义引导
自然场景观看中，注视受自下而上的视觉属性、空间结构、任务需求、先验知识和语义期望的共同影响。Hwang等人证明了真实世界场景中眼动的语义引导，包括连续注视受场景物体间语义关系影响的趋势。视觉世界研究同样表明口语可将注视吸引至语义相关的物体。这些发现支持将物体间转移视为语义信息的潜在载体，但并非纯语义测量。邻近物体更容易通过短眼跳到达，大或视觉显著的物体吸引注视，场景角色约束合理转移，任务从根本上重塑扫描路径（scanpaths）。
5.2 场景观看数据集
OSIE数据集包含700张自然图像的眼动数据及物体水平语义标注。COCO-Search18提供约30万次搜索注视，来自10名参与者在6202张COCO图像中搜索18种目标类别。视觉搜索不应与自由观看混淆，因为目标类别施加了强烈的自上而下结构。数据集对语义重建的适用性取决于研究问题：自由观看可能提供更丰富的自发转移结构，但动机控制较弱；视觉搜索提供清晰目标，但语义关系可能被目标相关性主导。
5.3 场景观看中的个体差异
de Haas等人证明了复杂场景中个体特异性注视吸引差异的稳定性，且这些差异沿语义维度变化；扫描路径网络方法表明参与者水平关系模式可在阅读中量化。这些结果支持观察者特异性分析，但不表明可从扫描路径重建完整的个体语义空间。
6. 注视衍生关系几何学框架
6.1 从原始注视到物体水平扫描路径
对于包含可识别物体的图像，每个物体可定义为带标签和空间范围的目标区域（area of interest, AOI）。注视可分配给AOI，产生物体水平序列。同一AOI内的连续注视可在关注停留动态时保留，或在关注不同物体间转移时折叠。该映射是分析决策而非中性转换：追踪器质量、事件检测、AOI边界、重叠规则和缺失样本均可改变结果序列。第一个分析产物应是转移表（transition table）而非语义空间。对每个转移，记录观察到的目的地以及所有可能候选目的地及其属性。该基于候选的公式至关重要，因为它询问为何选择物体j而非其他可用物体。
6.2 语义推断前的测量质量与预处理
方法学框架必须使测量链明确。校准和验证质量应通过准确率、精确率和数据丢失率量化。注视和眼跳事件应以明确算法和阈值导出，分析应报告如何处理眨眼、追踪丢失、屏幕外样本和短或模糊事件。AOI定义应在可行时于语义分析前指定，具有可复现的边界和重叠AOI规则。重复的物体内注视应根据推断目标处理：保留可保持停留/再检查动态，折叠则产生不同物体间的转移图。对于阅读，对应映射问题发生在人类目标区域（通常为词）与LM子词词元之间。
6.3 竞争性语义关系矩阵
对每对物体i和j，框架应估计一组关系特异性不相似度D(r)(i, j)，其中r索引理论上定义的关系族。这些可包括分类学相似性、主题/功能联想、语境兼容性或模型衍生嵌入关系。可预测性或任务相关性应作为转移水平预测变量保留，而非静默折叠入同一构念。对于嵌入关系，余弦不相似度（cosine dissimilarity）可作为操作化方式，前提是指定嵌入来源、层/提示、池化和归一化。竞争性关系矩阵应分别输入或比较。跨分类学、主题、语境和模型衍生表征的一致性加强广义相关性解释；分歧具有科学信息价值，因为它识别哪种关系类型与注视最一致。
6.4 基于候选的转移选择与关键混淆变量
核心方法学错误是将高转移概率等同于语义相关性。从物体i到候选j的转移受关系特异性语义变量影响，但也受AOI间欧氏距离、眼跳方向/幅度、目标偏心率、AOI面积、低水平显著性、物体可识别性、场景中心性、先前注视、返回抑制（inhibition of return）和任务相关性影响。场景水平共现可使语义关联物体物理相邻，产生结构性混淆。回归调整可减少已测量混淆，但不能单独确立语义–空间相关性已被因果分离。下一注视本质上是转移t时同时可用物体间的离散选择。条件logit/多项softmax公式在完整候选集上归一化概率。层次扩展可包含语义、空间或显著性效应的参与者特异性斜率。语义贡献的证据要求相关关系特异性系数在控制后改善预测或似然，并在留出评估下泛化。然而当自然场景中语义和空间结构高度共线时，系数调整仍是观察性的。更强识别需要实验设计，在可比较场景中平衡物体位置或正交操作语义相关性和空间距离。
6.5 残差化注视关系
第二条路径是构建观察转移矩阵，并移除可归因于预设非语义变量的预期转移结构。物体对间的残差关联随后可视为候选注视衍生关系矩阵。“残差”至关重要：原始转移矩阵是行为性的，显式控制后的未解释成分至多是关系结构的估计。残差化不能解决未测量或结构不可分的混淆；其解释在平衡刺激、样本外预测和独立语义验证支持下最强。该残差矩阵可在理论关注无向语义相关性时对称化，或在不对称关联有意义时保留为有向。方向性可能具有认知信息价值：杯→咖啡机和咖啡机→杯的概率不必相等，即使标准余弦相似性矩阵是对称的。
6.6 表征相似性分析
表征相似性分析（RSA）为注视和模型空间之间提供了自然桥梁。对固定物体集，可构建（a）一个或多个模型关系/不相似度矩阵，（b）注视衍生关系距离矩阵，以及（c）空间距离等干扰矩阵。矩阵条目不是独立观测，推断程序应保留依赖结构。合适选项包括物体/刺激标签置换（或尊重实验单元的受限置换）、带置换推断的回归RSA，以及交叉验证模型比较。空间干扰结构可纳入回归RSA或在每个交叉验证折内使用训练数据残差化以避免泄漏。在参与者水平，可为每位观察者估计单独的注视衍生矩阵，但对齐分数仅在可靠性被证明后才可解释。分裂半或重测信度应附不确定性报告，自举或层次区间可量化估计误差。噪声上限（noise ceiling）可指示行为矩阵可靠性所允许的最大模型–观察者对应关系。稀疏矩阵可受益于层次收缩/部分池化，前提是单个估计不被强制向群体靠拢至真实异质性被抹除。
6.7 从注视序列学习嵌入
关系矩阵估计后，可应用降维或图嵌入方法。多维标度（multidimensional scaling, MDS）特别可解释，因为它从成对距离出发。谱方法或UMAP可辅助可视化，但视觉拓扑不应与已验证的心理维度混淆。受Word2Vec启发的序列学习方法也可考虑，但需明确定义上下文窗口、重复暴露、转移方向和采样平衡。
6.8 所需独立验证
独立验证是对注视衍生关系结构反映语义组织的任何主张的要求。从注视估计的矩阵仅当其预测未用于构建或调优它的数据时才具有语义可解释性。合适的验证测量包括自由联想、成对相关性判断、语义分类、语义差异评分、类别判断或任务特异性概念相似性测量。对观察者特异性主张，验证在可行时也必须是观察者特异性的；群体水平相关不能确立个体语义组织的恢复。推断目标是三个独立获得结构的三角测量：模型衍生语义关系、注视衍生关系结构和独立测量的人类语义结构。注视与独立人类测量之间的趋同验证了行为估计；仅在此步骤后，与模型几何的对应关系才可解释为人类–模型语义对齐。
7. 语义扫描路径与视觉–语言模型
近期工作使扫描路径的语义分析更加具体。Kerkouri等人提出了语义扫描路径相似性框架，其中注视区域使用视觉–语言模型描述，扫描路径使用基于嵌入和词汇的自然语言处理（NLP）指标比较。结果表明语义相似性捕获了部分独立于纯几何扫描路径对齐的方差。相关注视知情NLP工作表明扫描路径本身可生成、建模或用作任务信号。当物体标签已知时，可直接从标签计算语义表征；当标签不确定或注视区域包含类别名称无法捕获的关系信息时，视觉–语言描述可提供更丰富的表征。混合分析可比较预定义物体标签与视觉–语言模型衍生的局部描述，以测试注视是否更好地由类别身份、主题场景语境或视觉基础语义解释。
8. 人类–LLM语义对齐与观察者特异性关系差异
8.1 群体语义与观察者特异性关系结构
语料库训练的语言模型学习跨许多文本和说话者聚合的统计结构，其语义几何是群体衍生的且表征依赖的。人类语义知识也受共享语言和文化塑造，但个体经验、专长、目标和个人联想可产生系统性偏离群体平均值的偏差。稳定的观察者特异性注视分配变异和参与者水平扫描路径网络支持测试这些偏差中是否有部分反映在可靠的注视衍生关系结构中。应将较强的“个体语义差距”概念替换为观察者特异性语义对齐或注视衍生关系分歧。参与者验证的行为关系结构与模型几何之间的不匹配不意味着任一表征是错的。
8.2 量化对齐
对参与者p，设Dgaze,p为可靠且独立验证的注视衍生关系距离矩阵，Dmodel(r)为关系族r的对应模型矩阵。可通过比较留出或交叉验证的矩阵结构估计对齐系数，干扰变量在推断程序内处理。由于成对单元格依赖，不确定性应通过标签/刺激水平置换、独立实验单元自举或层次建模获得。跨参与者、语义关系模型或任务的对齐差异可用层次统计检验，辅以可靠性估计和行为噪声上限。该公式将测量与解释分离：眼动追踪器提供注视序列，统计模型提供注视衍生关系结构，语言模型提供语义几何，对齐统计量比较它们。没有单一步骤本身是“个体语义空间”。
8.3 潜在应用
若经验证，个体人类–模型对齐测量可支持多种研究应用：识别模型表征系统性偏离用户联想集的语义领域，考察专长如何重塑概念组织，或测试个性化交互是否减少误解。在人类–AI交互中，价值不在于使LLM模仿每个特质，而在于检测表面共享的词在模型和用户中是否占据不同关系邻域。此类应用也引发伦理和隐私关切：注视数据可揭示敏感的注意模式，不应视为无害遥测。任何推断个体语义结构的尝试都需要知情同意、透明的推断解释、严格的数据最小化，以及对嘈杂个体特异性估计的过度解释保持谨慎。
9. 方法学挑战与解释限制
9.1 加工测量不是表征
最根本的限制是加工–表征区分。嵌入和隐藏状态是表征性对象；眼动是在线加工期间产生的行为事件。表征可影响加工而不与注视持续时间或扫描路径结构一一映射。反之，未能预测注视不证明表征缺乏语义信息。认知评估应解释为特定任务下行为相关性的证据，而非语义内容的完整测定。
9.2 跨语言与跨参与者变异
跨语言语料库表明阅读行为随正字法、形态、词切分和语言特异性阅读策略而变化。MECO为测试模型–注视关系是否跨语言泛化提供重要平台。近期多语言规模分析表明模型–人类对齐在早期和晚期眼动指标上可能不同。个体差异创造额外变异水平。聚合参与者可改善群体水平评估的信噪比，但可能抹除观察者特异性分析所需的结构。未来工作应报告群体效应、参与者水平可靠性和不确定性，而非将单一相关呈现为稳定的个体特征。
9.3 数据集规模与采样
观察者特异性关系估计是数据饥渴的。参与者必须在足够多的语境中遇到足够多的物体和物体对以估计稳定矩阵。不等的物体频率和稀疏转移可产生误导性几何。实验设计应平衡语义类别、空间排列和转移机会，或使用在不塌缩个体差异的情况下共享信息的层次正则化。样本量规划应由参与者水平矩阵的可靠性和留出试验的预测表现驱动，而非仅由记录的注视数量驱动。
9.4 物体识别与语义粒度
场景方法取决于决定意义的单位。物体检测器提供方便的类别标签，但“人”“杯”或“椅”等标签丢弃属性、角色、关系和事件语境。相关语义单位可能是“持杯女性”“咖啡杯”或“用于饮用的物体”，取决于任务。视觉–语言描述可丰富粒度，但将模型生成的解释引入本应是人类行为测量的内容中。AOI边界和重叠规则引入额外测量层。分析应区分独立于注视提供的标注与被评估模型生成的描述，并测试语义结论是否在合理替代AOI定义下成立。
9.5 统计循环性
当同一模型既用于定义注视区域的语义标签又用于提供评估注视的语义几何时，循环性是严重风险。强设计应分离标注和评估模型，使用人类验证标签，或测试跨多个表征来源的稳健性。同样，超参数不应仅选择为在同一数据上最大化模型–注视对应关系。
10. LLM–眼动研究的研究议程
大语言模型与眼动追踪的交汇正从简单相关转向更丰富的表征对齐问题。五个优先事项尤为重要：将语义相关性与可预测性分离，阅读研究应在同一统计框架中包含惊异度、词汇频率、词长和语境敏感语义预测变量；将转移建模为候选归一化选择，场景中每次下一注视应相对于同时可用候选物体使用条件/多项选择概率建模，空间、视觉、历史和任务变量应为显式预测变量；在个体化前测量可靠性和不确定性，参与者特异性关系矩阵和对齐分数仅在分裂半或重测信度充分、不确定性量化、模型比较通过置换、交叉验证和噪声上限尊重矩阵依赖时才可解释；要求注视衍生几何的独立验证，自由联想、分类、语义判断或领域特异性概念测量是确立注视衍生残差/关系结构反映语义组织而非另一稳定注意特质的必要条件；比较多种语义关系模型，静态嵌入、语境化编码器、现代嵌入模型、分类学资源、主题/联想测量和视觉–语言表征可编码不同关系，人类–模型对齐应按关系族和表征分别报告。此外，应开发预注册基准，使相同标记场景、注视处理管线、干扰协变量、语义模型和验证任务在实验室间共享，以区分稳健效应与特定于某一数据集或预处理管线的选择。
11. 结论
眼动追踪为语言模型语义提供了有价值的认知基准，因为它将计算表征与实时语言和场景加工中产生的行为联系起来。文献表明模型衍生语义相关性和惊异度均可解释眼动方差，而认知预测和注视知情NLP框架表明语言表征在行为对齐上存在差异。近期工作还表明该对齐取决于模型规模、层、分词、任务和眼动指标。这些发现支持认知评估，但不使眼动成为语义表征的直接或决定性测量。从阅读到标记视觉场景的扩展仍有前景，但分析单位应是基于候选的转移而非孤立的二元结果。连续注视可转化为物体水平关系数据，并与多个明确定义的语义关系模型比较。空间邻近性、显著性、物体大小、场景结构、注视历史、任务目标、预处理和候选可用性必须建模，语义–空间关系应尽可能实验性分离。候选归一化选择模型和RSA随后可量化关系对应，前提是尊重矩阵依赖、可靠性、不确定性和样本外泛化。最强推断链明确为三部分：可靠的注视衍生关系结构、其语义内容的独立行为验证，然后才与模型几何比较。若未来研究确立该可靠性和外部效度，注视衍生关系几何可补充显式语义判断、自由联想和常规模型基准。其角色是多方法科学中理解计算和人类系统如何组织和加工意义的组成部分，而非替代内在或外在评估。
