一篇新论文认为,意外性理论(该理论认为人类处理语言的难度与其在语言模型中的意外性直接相关)是一种同义反复。作者认为,在没有额外约束的情况下,任何难度度量都可以拟合到某个语言模型,从而使该理论无法被证伪。这种歧义曾被语料库生成的模型可以预测人类行为的假设所掩盖,但最近的发现表明,改进的语料库模型会降低处理难度的预测准确性,这挑战了这种假设。该论文建议,为了使意外性理论可证伪,相关的语言模型必须来自对理解者的非经验性考量,例如记忆或处理目标,而不能仅仅来自行为数据。 AI
影响 挑战了如何根据人类处理过程来评估语言理论基础。
排序理由 在arXiv上发表的关于语言学理论的学术论文。
在 Hugging Face Daily Papers 阅读 →
- alphaXiv
- arXiv
- Bibliographic Explorer
- CatalyzeX Code Finder for Papers
- Connected Papers
- CORE Recommender
- DagsHub
- Gotit.pub
- Hugging Face
- Influence Flower
- Litmaps
- ScienceCast
- scite Smart Citations
- Surprisal Theory
- Corpus
- language model
- psycholinguistics
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →