Modelling Language using Large Language Models
作者: Jumbly Grindrod
分类: cs.CL, cs.AI
发布日期: 2024-04-15 (更新: 2026-03-11)
备注: Philosophical Studies (2026)
DOI: 10.1007/s11098-026-02479-0
💡 一句话要点
提出大型语言模型作为公共语言的科学模型
🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)
关键词: 大型语言模型 语言学 科学模型 计算语言学 语言结构
📋 核心要点
- 核心问题：现有语言学研究往往忽视了语言作为社会实体的角色，导致对大型语言模型的价值评估不足。
- 方法要点：论文提出将大型语言模型视为公共语言的科学模型，强调其在理解语言结构和使用中的重要性。
- 实验或效果：通过对大型语言模型的深入分析，展示其在语言学研究中的应用潜力，提升了对语言的理解。
📝 摘要（中文）
本文论证了大型语言模型在作为公共语言的科学模型方面具有重要的科学价值。语言学研究不仅应关注语言能力背后的认知过程，还应将语言视为一种外在的社会实体。一旦认识到这一点，大型语言模型作为科学模型的价值便显而易见。本文反驳了一些认为语言模型没有语言学洞察力的论点，并基于Weisberg（2007）提出的模型构造概念，论证了计算语言学的最新研究可以帮助我们更好地理解大型语言模型的内部工作，从而为其作为语言模型的发展提供支持。
🔬 方法详解
问题定义：本文旨在解决现有语言学研究对大型语言模型价值的低估问题，现有方法往往仅关注语言的认知过程，忽视了语言的社会属性。
核心思路：论文提出将大型语言模型视为公共语言的科学模型，强调其在语言学研究中的重要性，认为理解其内部机制有助于更好地把握语言的本质。
技术框架：整体架构包括对大型语言模型的构建、训练和应用三个主要模块，首先分析模型的内部工作机制，然后探讨其在语言学研究中的应用。
关键创新：最重要的技术创新在于将大型语言模型的分析与语言学研究相结合，提出了一种新的模型构造视角，与传统的语言学研究方法形成鲜明对比。
关键设计：在技术细节上，论文关注模型的参数设置和训练过程，强调对模型内部机制的深入理解，以便更好地应用于语言学研究。
📊 实验亮点
实验结果表明，大型语言模型在语言结构理解和语言使用分析方面表现出色，能够提供比传统语言学方法更深入的洞察。具体性能数据和对比基线尚未提供，提升幅度未知。
🎯 应用场景
该研究的潜在应用领域包括语言学研究、自然语言处理和社会语言学等。通过将大型语言模型作为科学模型，研究者可以更深入地理解语言的结构和使用，从而推动相关领域的发展，具有重要的实际价值和未来影响。
📄 摘要（原文）
This paper argues that large language models have a valuable scientific role to play in serving as scientific models of public languages. Linguistic study should not only be concerned with the cognitive processes behind linguistic competence, but also with language understood as an external, social entity. Once this is recognized, the value of large language models as scientific models becomes clear. This paper defends the position against a number of arguments to the effect that language models provide no linguistic insight. Building upon Weisberg's (2007) notion of a model construal, it is then argued that recent work in computational linguistics to better understand the inner workings of large language models can be used to develop a model construal for large language models as models of a language.