arXiv cs.CL· Michael Wilson, Robert Frank·· 16 小时前AI 评分31
研究对比人类与大语言模型基于形式信息的语言能产性
Examining form-based linguistic productivity in people and large language models
AI 导读
一项提交至 Nature Human Behaviour 的研究对比了人类与大语言模型在基于形式信息的语言能产性上的差异。人类能将主动语态中学到的新动词推广到被动语态，即便该动词无法赋予合理含义；而大语言模型只有在能为新动词赋予类似已有动词的含义时才能成功。研究据此认为，计算模型的句法知识仍与具体词汇项的分布和含义绑定，人类的句法知识则不然。
正文 · AI 翻译
摘要：语言能产性——即词语在新语境中的使用——是人类语言最引人注目的事实之一。然而，使这种能产性得以实现的知识究竟有多抽象，仍不清楚。我们比较了人和计算语言模型在成功泛化依赖于形式信息的语境中的语言能产性。我们聚焦于将主动语态中学到的新动词扩展到被动语境。我们发现，人会将主动用法扩展到被动用法，其方式与关于语言形式的抽象概括相一致，即使无法为该新动词赋予任何合理的意义。相比之下，大型语言模型只有在能够为该新动词赋予类似现有动词的意义时才会成功。我们得出结论：计算模型的句法知识仍然与特定词汇项的分布和意义绑定，而人类的句法知识则并非如此。
| 评论： | 投稿至 Nature Human Behaviour |
| 主题： | 计算与语言（cs.CL） |
| 引用为： | arXiv:2610.33433 [cs.CL] |
| （或 arXiv:2610.33433v1 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.33433 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Michael Wilson [查看邮箱]
[v1]
2026年10月24日星期六 04:21:51 UTC（235 KB）
来源：arXiv cs.CL · arxiv.org