神經科學
人類以增量方式理解語言，隨着每個新詞的輸入不斷更新句子意義的表徵。這些更新受每個被感知詞與先前預期之間距離的引導——即預測誤差。大型語言模型（LLM）與皮層活動之間的一致性啟發了這樣一種假設：皮層對預測誤差的計算是基於表層形式的（Surface-based），由詞形共現的統計模式驅動。相較之下，心理語言學模型則提出，預測誤差的計算是基於意義的（Meaning-based），由詞語語義驅動。
我們使用具有歧義語義的多義詞來區分這兩類模型：如果預測誤差是基於意義的，那麼歧義將向意義表徵中引入不確定性，從而影響預測誤差；而如果預測誤差是基於表層形式的，那麼歧義將不會影響預測誤差。我們考察了歧義如何影響句子加工過程中自定步速閱讀時間和腦磁圖（MEG）神經反應中的預測誤差特徵。結果表明，儘管基於大型語言模型的預測誤差代理變量能夠穩健地預測無歧義詞的閱讀時間和神經反應，但在存在歧義的情況下，它無法預測二者中的任何一個。
也就是說，預測誤差的計算會受到詞義不確定性的影響，這支援了基於意義的模型，並證實了詞義在預測性語言加工中的關鍵作用。我們的發現凸顯了大型語言模型作為人類語言能力計算機模擬模型時的一項重要侷限。
📄 原文連結：https://www.biorxiv.org/content/10.64898/2026.05.15.724229v1?rss=1
🏷️ 預測性語言加工 詞義歧義 預測誤差 語義表徵 腦磁圖 大型語言模型