Este artículo investiga el problema del exceso de confianza en los modelos lingüísticos a gran escala (LLM) desde una perspectiva de interpretabilidad mecanicista. Utilizando el modelo Llama 3.2 de código abierto, optimizado con un conjunto de datos de asertividad anotados por personas, extraemos activaciones residuales en todas las capas y localizamos las expresiones asertivas mediante una medida de similitud. Nuestro análisis identifica las capas más sensibles a los contrastes de asertividad y revela que las expresiones de alta asertividad se descomponen en dos subcomponentes ortogonales: grupos afectivos y lógicos, de forma similar al modelo de probabilidad de elaboración de doble ruta en psicología. Los vectores de dirección derivados de estos subcomponentes exhiben efectos causales distintivos: los vectores afectivos ejercen una amplia influencia en la precisión de la predicción, mientras que los vectores lógicos ejercen una influencia más localizada. Estos resultados proporcionan evidencia mecanicista de la estructura multicomponente de la asertividad LLM y sugieren estrategias para mitigar el comportamiento de exceso de confianza.
