在儿童自然经验数据上扩展交叉情境词汇学习

交叉情境学习可扩展，但依赖高质量视觉表征。

资讯摘要

论文利用BabyView语料库（48名儿童、2441小时纵向第一人称视频）训练交叉情境词汇学习模型，检验其能否扩展到更大更多样的数据。作者报告模型能学到物体—标签映射，但使用互联网预训练视觉表征时表现远高于仅从发育视频学习表征；大部分学习信号来自少数描述可见指称物的话语。模型学到类人的语义结构，但训练轨迹与儿童不同。

要点速读

1. 论文在BabyView语料库上训练模型，该库含48名儿童共2441小时纵向第一人称视频。
2. 作者报告模型能学到物体—标签映射，但使用互联网预训练视觉表征时表现远高于仅用发育视频学习表征。
3. 大部分学习信号来自少数描述可见指称物的话语；模型语义结构类人，但训练轨迹与儿童明显不同。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/27 08:00:28（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。