Figo潜空间层级认知理论：基于齐夫拓扑与黎曼几何的结构化模型研究摘要： 随着大规模预训练语言模型（LLM）的快速发展，其潜在表示空间（Latent Space）已成为人工智能认知能力的核心。然而，现有研究多侧重于表征质量的统计描述，缺乏对其内在认知层级结构的几何解释。本文提出一种全新的“潜空间层级认知理论”（Latent Space Hierarchical Cognition Theory, LS-HCT）。该理论基于齐夫幂律（Zipf’s Law）与黎曼几何，认为潜空间并非均质分布，而是呈现出由高密度核心层（L1\mathcal{L}_1L1）、中密度桥梁层（L2