본 연구는 대규모 언어 모델(LLM)의 숨겨진 표현의 기하학을 내재적 차원(ID)을 통해 연구하여, 다중 선택 질문 응답(MCQA) 설정에서 의사 결정 역학에 초점을 맞추었습니다. 28개의 open-weight transformer 모델을 사용하여 ID를 추정하고 MCQA 작업의 레이어별 성능을 정량화했습니다. 초기 레이어는 저차원 매니폴드에서 작동하고, 중간 레이어는 이 공간을 확장하며, 후기 레이어는 다시 압축하여 의사 결정 관련 표현으로 수렴하는 일관된 ID 패턴을 발견했습니다.
