2026年10月26日，一项发表于arXiv的新研究（编号arXiv:2610.31683v1）正式提出Schema Coherence Inventory（SCI，图式一致性量表），旨在解决persona-conditioned语言模型在模拟患者或情感代理时的关键难题：如何区分模型是真正以内化信念指导行为，还是仅因情绪唤起而表现出表面一致的反应。
SCI包含96道强制选择题，覆盖Beck认知模型的八个层级，每题提供六个选项，分别对应三类负向自我图式及其正向对照；评分采用长度归一化的对数似然值，全程无需文本生成或解析。其核心判据为‘目标特异性’——即专为某一信念构建的条件，必须比其他同类图式条件更频繁地激活该信念。
研究通过六项验证实验，在五种不同参数规模（1.7B–14B）的语言模型上完成107种条件测试；九名临床受训评估者能以79.5%准确率识别预设信念（随机水平为16.7%）；所有30个信念单元均显示显著目标特异性提升（+17.7分）；SCI剖面可在30次自由生成中正确匹配24次（远超偶然预期的5次）。此外，48题简版与原量表相关系数达r = 0.73。
在对六个已发布的患者模拟器的实际应用中，无一能比单句陈述更有效承载其宣称的核心信念。研究强调该验证路径将认知构念与伴随情绪分离，并以临床判断为金标准，为语言模型的情感与信念测量提供了可扩展模板。作者同步公开全部题目、评分代码及简版量表。