arXiv cs.CL· Yiling Wu (BridgeM, Inc.)·· 11 小时前AI 评分21
LLM 表征生成中的预设问题：一篇哲学诊断
The Presupposition Problem in Representation Genesis
AI 导读
论文指出 LLM 是首个未清晰经历"表征生成"却具备高认知表现的系统，由此提出表征生成问题。作者认为思维语言假说、目的语义学、预测加工、生成现象学等框架在解释该问题时都预设系统已是表征者，形成"表征预设结构"并导致解释无限后退。论文只做概念诊断，给出任何规避该模式的理论需满足的两项最低充分条件。
正文 · AI 翻译
摘要：大语言模型是首批在未明确经历表征发生（representation genesis）的情况下就实现高认知性能的系统：表征发生指的是从一个不进行表征的物理系统转变为其状态以内容敏感的方式引导行为的系统。此前的认知系统在我们能够考察这一转变之前就已经完成了它，而心灵哲学将发生视为背景条件而非解释目标。大语言模型提供了一个并不明确涉及这一转变的案例，使发生问题重新变得紧迫：如果发生并未出现，哪些认知能力会受到影响，原因何在？我们目前缺乏回答这一问题的概念资源。本文认为，原因在于结构。心灵哲学中的主要框架，包括思维语言假说、目的语义学、预测加工、生成主义和发生现象学，在应用于发生问题时都有一个共同特征：在某个解释步骤上，每个框架都动用了这样的概念，其解释效力依赖于系统已经被组织为一个表征者。我们将这一模式称为表征预设结构（Representation Presupposition structure），它会产生系统性的解释延宕。在现有范畴词汇内解释内容可操作表征的首次获取的尝试，会从转变本身的表征一侧引入资源。我们称之为表征倒退（Representation Regress）。本文提供的是概念诊断而非新理论，确立了问题的结构，并为任何避免这一模式的解释推导出两个最低充分性条件。大语言模型使此类理论的缺失具有实际后果，而不仅仅是理论上的。
| 主题： | 人工智能（cs.AI）；计算与语言（cs.CL） |
| 引用为： | arXiv:2603.21745 [cs.AI] |
| （或本版本使用 arXiv:2603.21745v3 [cs.AI]） | |
| https://doi.org/10.48550/arXiv.2603.21745 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Yiling Wu [查看邮箱]
[v1]
2026年3月23日 星期一 09:37:33 UTC（28 KB）
[v2]
2026年4月2日 星期四 01:17:05 UTC（28 KB）
[v3]
2026年11月1日 星期日 07:27:07 UTC（28 KB）
来源：arXiv cs.CL · arxiv.org