大型語言模型運作時具有一個有趣的依賴性——它們在處理過程中始終參考某種形式的結構框架，無論該框架是正式定義的還是系統中隱含的。

以 ChatGPT-4o 為例。多位用戶報告過模型明確請求補充資訊的情況——如 codex 條目、欄位說明、上下文註解，以便完善其回應。這並非隨意行為。

其底層機制揭示了關於 LLM 架構的基本事實：模型的推理過程傾向於依賴外部支架來獲取指導與驗證。可以將其想像成模型尋找參考點來校準其輸出。

這引發了關於現代 AI 系統如何維持連貫性與準確性的關鍵問題。看似自主推理的背後，往往涉及與結構化參考系統的持續反饋循環。理解這種依賴性，可能會重塑我們未來設計、訓練與部署這些模型的方式。