arXiv cs.AI· Samhita Bollepally, Aurora Sloman-Moll, Takashi Yamauchi, Neeka Motamedrasa·· 3 天前AI 评分22
人类与 LLM 在比喻性语言上的表征相似性对齐研究
Representational Similarity Alignment of Figurative Language in Humans and Large Language Models
AI 导读
研究对比人类与四款指令微调 LLM（GPT-4、Gemma-2-9B、Llama-3.2、Mistral-7B）对 240 句对话在惯用性、讽刺、幽默、情感、成语化和 Gen Z 俚语六项语言特征上的评分，表面判断高度一致，但表征相似性模式存在差异，成语化与 Gen Z 俚语尤为明显。
正文 · AI 翻译
摘要：大型语言模型（LLM）通常会产生与人类相似的判断，但它们对比喻性语言的理解仍不清楚。我们比较了人类参与者和四个经过指令微调的 LLM（GPT-4、Gemma-2-9B、Llama-3.2 和 Mistral-7B）对 240 个基于对话的句子的评分，这些句子涵盖六种语言特征：常规性、讽刺、有趣、情感、习语性和 Z 世代俚语。虽然人类和 LLM 在表层上高度一致，但在表征相似性模式上出现了差异，尤其是在习语性和 Z 世代俚语方面。GPT-4 与人类的一致性最高，尽管所有模型在表征层面都存在差异，这表明相似的输出可能来自不同的底层语言表征。我们还使用 Gemma 模型系列（Gemma-2-9B-IT、Gemma-3-27B-IT 和 Gemma-4-31B-IT）考察了模型规模与表征相似性之间的关系，发现表征相似性模式在很大程度上不受模型规模影响。
| 评论： | 19 页，14 张图 |
| 主题： | 计算与语言（cs.CL）；人工智能（cs.AI） |
| 引用为： | arXiv:2601.09041 [cs.CL] |
| （或 arXiv:2601.09041v2 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2601.09041 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Samhita Bollepally [查看电子邮件]
[v1]
2026 年 1 月 14 日星期三 00:13:00 UTC（943 KB）
[v2]
2026 年 10 月 11 日星期日 01:54:59 UTC（609 KB）
来源：arXiv cs.AI · arxiv.org