arXiv cs.CL· SungHo Kim, Eojin Jeon, SangKeun Lee·· 3 天前AI 评分26
KoAGE：大语言模型能否识别、学习并创造韩语新词？
KoAGE: Do Large Language Models Know, Learn, and Coin Korean Neologisms?
AI 导读
研究团队推出 NeoTrace 框架与 KoAGE 基准，用于评估大语言模型对韩语新词的掌握。该基准含 4,271 条新词条目，覆盖三项习得任务与两项生成任务，其中生成任务首次在原始语境下对比模型造词与真实新词。在 21 个模型上，词汇记忆与语境推断出现分化：五模型时序分析中，模型仅能定义 13-30% 的截止年份新词，却可从单次用法推断含义。
正文 · AI 翻译
摘要：韩语新词通过多种机制产生，这对语言模型而言是一项超越词汇记忆的艰巨考验。为实现系统性评估，我们提出了 NeoTrace，一个自动化、可重复运行的框架，用于跨体裁收集新词并确定其出现时间。其 4,271 个条目支撑了 KoAGE，一个具有时间截点感知能力的基准，包含三项获取任务和两项生成任务——据我们所知，后者首次在原始材料和社区语境下将模型造词与已证实的新词进行比较。在 21 个模型中，词汇回忆与语境推断出现分化：在一项涉及五个模型的时间分析中，模型仅能定义 13-30% 的截点年份词汇，但能从一个用法中推断出含义。然而，结构性理解仍然有限：即便是正确的定义也几乎无法提升对截点前新词的构词分析。给定构词材料，单个模型往往遵循人类构词机制，而多智能体造词则倾向于缩略，并依赖于交互框架。因此，KoAGE 区分了模型所知道的、从使用中学习到的以及所创造的内容。
| 主题： | 计算与语言（cs.CL）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.19399 [cs.CL] |
| （或 arXiv:2610.19399v1 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.19399 arXiv 颁发的 DOI 经由 DataCite（待注册） |
提交历史
发件人：SungHo Kim [查看电子邮件]
[v1]
2026年10月14日星期三 01:49:19 UTC（2,009 KB）
来源：arXiv cs.CL · arxiv.org