arXiv · cs.AI· Samhita Bollepally, Aurora Sloman-Moll, Takashi Yamauchi, Neeka Motamedrasa·· 11 小时前
人类与大语言模型对修辞语言表征相似性的对齐研究
Representational Similarity Alignment of Figurative Language in Humans and Large Language Models
arXiv:2601.09041v2阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Samhita Bollepally, Aurora Sloman-Moll, Takashi Yamauchi, Neeka Motamedrasa
研究任务与主要进展
研究比较了人类受试者与四个指令微调大模型（GPT-4、Gemma-2-9B、Llama-3.2、Mistral-7B）对 240 个对话句在六个语言维度（如讽刺、习语性、Gen Z 俚语）上的评分。人类与模型在表层判断上高度一致，但表征相似性存在差异，尤其在习语性和 Gen Z 俚语上，GPT-4 与人类对齐最接近。用 Gemma 系列三个模型检验发现，表征相似性模式基本不受模型规模影响。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org