论文用类人造语言任务反驳强“随机鹦鹉”假设。
资讯摘要
一篇论文用类人造语言任务检验“随机鹦鹉”强假设：仅向多个LLM提供虚构语言的自然语言描述，不给出示例输出，且这些描述刻意组合训练数据中罕见或未出现的特征。论文报告，模型在三个互补任务族中系统性地朝意义预测方向作答，能区分提示中出现与指示使用，并会依据新约束改变语义关系，有时与复杂翻译答案完全一致。作者据此认为结果支持LLM存在意义中介的抽象，反驳强随机鹦鹉假设，但生成仍受表面合理性约束。
要点速读
- 任务只给虚构语言的自然语言描述、不给示例输出，且特征刻意偏离训练数据中的常见模式。
- 论文报告模型在三个任务族中朝意义预测方向作答，有时与复杂翻译答案完全一致。
- 作者认为这支持意义中介抽象，但指出生成仍强烈受表面合理性约束。
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 2026/10/28 08:00:17（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。