arXiv cs.CL· Patricio M. Vera·· 10 小时前AI 评分18
成人词汇扩展与人工词汇学习中的视觉相似性研究
Visual Similarity in Adult Word Extension and Artificial Word Learning
AI 导读
研究用冻结的自监督视觉编码器 DINOv2 重新分析 Lewis & Frank（2018）的成人词汇扩展数据，发现测试图像与教学示例的距离与词汇扩展相关（每标准差 log odds 为 -3.23，520 人）。
正文 · AI 翻译
摘要：当两个对象共用一个名称时，它们的视觉相似性能在多大程度上解释这一现象，教学示例又贡献了什么？首先，我们重新分析了一项大型成人词汇扩展研究（Lewis & Frank, 2018）的试次级数据，在冻结的自监督视觉编码器（DINOv2）空间中计算每张测试图像与所示示例的距离。距离与扩展相关（每标准差对数几率 -3.23；520 人），一项探索性事后分析表明，在控制分类层级和教学条件后，这种关联在已教授领域内依然存在。示例构成也有影响：在三个示例之后，当示例为下位词时，成人将词汇扩展到 1.1% 的上位词项，而当示例为上位词时则为 77.5%。其次，在使用同一编码器的人工学习者中，连接两个类别的词汇，其类别相距越远，学习准确率越低（近、中、远词对的命名准确率分别为 84.7%、65.4% 和 53.0%）。编码器的距离与来自三个数据集的人类相似性和混淆度指标相关（rho = .501-.795），但这种表征对齐并未转化为确凿证据表明人类衍生的距离能预测学习者难度，且基于一名儿童经验训练的第二个编码器复现了层级排序，但未复现词对级效应。次要人类数据是在确认性分析之前固定的内部计划下分析的（未进行外部预注册）。视觉相似性在两种系统中解释了泛化组织方式的一部分，而示例构成贡献了我们所用距离未能捕捉的内容。
| 评论： | 15 页，5 幅图。代码：此 https URL。数据：此 https URL 和 此 https URL |
| 主题： | 计算与语言（cs.CL）；人工智能（cs.AI）；计算机视觉与模式识别（cs.CV） |
| 引用为： | arXiv:2611.14116 [cs.CL] |
| （或 arXiv:2611.14116v1 [cs.CL] 为此版本） | |
| https://doi.org/10.48550/arXiv.2611.14116 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Patricio Vera [查看电子邮件]
[v1]
2026 年 11 月 10 日星期二 14:07:17 UTC（997 KB）
来源：arXiv cs.CL · arxiv.org