110 cm 및 1.2 m와 같이 측정 단위가 있는 수량은 언어 모델 (LMs)이 숫자와 기호적 단위 척도 (unit scale)를 결합할 것을 요구합니다. 본 연구에서는 여러 단위 체계에 걸친 통제된 환경에서 언어 모델 (LMs)이 이러한 수량을 어떻게 비교하는지 연구합니다. 우리는 값의 미세한 변화가 정답을 결정하는 비교 경계 근처에서 정확도가 저하된다는 것을 발견했습니다. 결과적으로 발생하는 오류는 체계적입니다. 선형 대리 모델 (linear surrogate models)은 수치 차이 (numerical-difference) 및 단위 척도 차이 (unit-scale-difference) 단서로부터 언어 모델 (LMs)의 선호도를 예측하며, 이러한 변수들과 정렬된 하위 공간 (subspaces)에 대한 인과적 개입 (causal interventions)은 모델의 출력을 변화시킵니다. 이러한 결과는 언어 모델 (LMs)이 두 표현을 정확하고 공유된 척도의 표현으로 먼저 변환하기보다는, 숫자와 단위에 대한 휴리스틱의 집합 (bag of heuristics)을 통해 수량을 비교함을 시사합니다.