인간 설문 응답자들은 투영 양자 질문 순서 모델(projective quantum question-order model)의 사전적(a priori), 매개변수 없는(parameter-free) 예측인 QQ (quantum question) 등식을 만족하는 질문 순서 효과(question-order effects)를 나타냅니다. 우리는 QQ 등식을 자기회귀 대규모 언어 모델(autoregressive LLMs)의 순차적 판단에 대한 감사 기준(audit criterion)으로 발전시켰습니다. 이론적으로, 우리는 어떤 메커니즘 클래스가 이를 견고하게 만족하는지 특성화합니다: 한계 독립 커널(marginal-independent kernels)은 네 가지 불일치 전이율(mismatch transition rates)이 모두 일치할 때만 QQ를 만족합니다(이는 상태 변화 하에서 고정된 측정 쌍을 가진 2D rank-1 투영 모델을 포함하는 클래스입니다). 극성 및 위치 의존적 반복 패밀리(polarity- and position-dependent repetition family)는 폐쇄형 위반(closed-form violations)을 갖는 정확한 교차 대칭(cross-symmetry) 조건에 의해 특성화됩니다. QQ를 만족하는 행동은 순서 일치 혼합(order-matched mixing)에 대해 닫혀 있습니다. 또한 rank-2 기본 맥락성(Contextuality-by-Default) 기준은 감사 좌표로 $| ext{qQQ}| \le \text{OSS}$로 변환되며, 여기서 $\text{OSS}$ (순서 민감도 점수, order-sensitivity score)는 두 한계(marginals)의 순서 민감도 총합입니다. 방법론적으로, 우리는 다음 토큰 로그 확률(next-token log-probabilities)을 노출하는 모든 모델에 적용 가능한, 사전 지정되고 감사 로그가 기록된 파이프라인을 개발했습니다. 이는 최악의 경우 강건성 엔벨로프(worst-case robustness envelopes), 샘플링 일관성 점검(sampling-consistency spot checks), 전체 라벨 균형 맞추기(full label counterbalancing), 그리고 포화 진단(saturation diagnostic)을 결합합니다. 실증적으로, 두 가지 프레이밍 하에서 오픈 웨이트(open-weight) 지시어 미세 조정(instruction-tuned) 모델을 대상으로 한 첫 번째 신호 파일럿 테스트 결과, 모든 사전 지정된 상태 점검(health gates)을 통과했으나, 각각 17/18 및 7/8개의 항목 쌍이 포화(saturated, 거의 결정론적) 상태였으며, 잔여적으로 맥락성을 인증받은 항목은 없었습니다. 따라서 강제 이진(forced-binary) 다음 토큰 로그 확률은 테스트된 모델 및 프롬프팅 조건 하에서 분포 수준의 QQ 감사를 수행하기에 불충분했습니다. 우리는 다음 토큰 분포를 설문 응답 분포로 취급할 때마다 사전 지정된 포화 진단을 사용할 것을 권장합니다.