論文の概要: You Can't Fight in Here! This is BBS!

• arxiv url: http://arxiv.org/abs/2604.09501v1
• Date: Fri, 10 Apr 2026 17:14:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-13 17:57:53.975941
• Title: You Can't Fight in Here! This is BBS!
• Title（参考訳）: ここじゃ戦えない!これはBBSだ!
• Authors: Richard Futrell, Kyle Mahowald,
• Abstract要約: Norm と Claudette は、現代の言語モデルが言語科学において重要な疑問を伝えることができるかどうかを論じている。 この議論は、一般的な根底にある問題として、私たちが何を見ているかを強調するのに役立ちます。 我々は、AI時代の言語科学のためのより広範な研究プログラムを提唱する。
• 参考スコア（独自算出の注目度）: 14.465537676558727
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Norm, the formal theoretical linguist, and Claudette, the computational language scientist, have a lovely time discussing whether modern language models can inform important questions in the language sciences. Just as they are about to part ways until they meet again, 25 of their closest friends show up -- from linguistics, neuroscience, cognitive science, psychology, philosophy, and computer science. We use this discussion to highlight what we see as some common underlying issues: the String Statistics Strawman (the mistaken idea that LMs can't be linguistically competent or interesting because they, like their Markov model predecessors, are statistical models that learn from strings) and the As Good As it Gets Assumption (the idea that LM research as it stands in 2026 is the limit of what it can tell us about linguistics). We clarify the role of LM-based work for scientific insights into human language and advocate for a more expansive research program for the language sciences in the AI age, one that takes on the commentators' concerns in order to produce a better and more robust science of both human language and of LMs.
• Abstract（参考訳）: フォーマルな理論言語学者のノームと計算言語科学者のクローデットは、現代言語モデルが言語科学において重要な疑問を伝えることができるかどうかを議論する素晴らしい時間を過ごしている。 再び会うまで別れようとしているように、25人の親友が言語学、神経科学、認知科学、心理学、哲学、コンピュータサイエンスから現れる。 String Statistics Strawman(LMが言語的に有能で興味深いとは考えていないのは、Markovモデルの前身のように、文字列から学習する統計モデルであるためである)とAs Good As It Assumption(LM研究が2026年に存在するという考えは、言語学について何を伝えるかの限界である)である。 我々は、人間の言語に関する科学的洞察のためのLMベースの研究の役割を明らかにし、AI時代の言語科学のためのより広範な研究プログラムを提唱する。

関連論文リスト

• On the Thinking-Language Modeling Gap in Large Language Models [68.83670974539108]
  言語と思考のモデリングには大きなギャップがあることが示される。 本稿では,このギャップを実証し緩和するために,Language-of-Thoughts (LoT) と呼ばれる新しいプロンプト手法を提案する。
  論文  参考訳（メタデータ） (2025-05-19T09:31:52Z)
• Can Language Models Learn Typologically Implausible Languages? [62.823015163987996]
  人間の言語にまたがる文法的特徴は、人間の学習バイアスに起因する興味深い相関関係を示している。 言語モデル(LM)が言語普遍性におけるドメイン一般学習バイアスの役割をよりよく決定する方法について論じる。 本研究は,英語(頭初期)と日本語(頭最終)の超自然主義的だが反実的なバージョンを用いて,LMを試験する。
  論文  参考訳（メタデータ） (2025-02-17T20:40:01Z)
• How Linguistics Learned to Stop Worrying and Love the Language Models [17.413438037432414]
  我々は、LMの成功は言語理論と構造を研究する必要性を損なうと論じている。 言語学に根ざした議論や考え方を再考せざるを得ない。 言語モデルと言語学の関係について楽観的な見解を提供する。
  論文  参考訳（メタデータ） (2025-01-28T16:13:19Z)
• Kallini et al. (2024) do not compare impossible languages with constituency-based ones [0.0]
  言語理論の中心的な目的は、「可能な人間言語」という概念を特徴づけることである。 NLPアプリケーションにおける最近の大規模言語モデル(LLM)は、LLMがこの目標を満たす計算機器である可能性を高める。 私は、この矛盾を説明し、根底にある問題を適切にテストする比較を構築するためのいくつかの方法を提案します。
  論文  参考訳（メタデータ） (2024-10-16T06:16:30Z)
• SciInstruct: a Self-Reflective Instruction Annotated Dataset for Training Scientific Language Models [57.96527452844273]
  我々はSciInstructを紹介した。SciInstructは、大学レベルの科学的推論が可能な科学言語モデルを訓練するための科学指導スイートである。 我々は、物理学、化学、数学、公式な証明を含む多種多様な高品質なデータセットをキュレートした。 SciInstructの有効性を検証するため、SciInstruct、すなわちChatGLM3(6Bと32B)、Llama3-8B-Instruct、Mistral-7B: MetaMathを用いて言語モデルを微調整した。
  論文  参考訳（メタデータ） (2024-01-15T20:22:21Z)
• Divergences between Language Models and Human Brains [59.100552839650774]
  我々は,人間と機械語処理の相違点を体系的に探求する。 我々は、LMがうまく捉えられない2つの領域、社会的/感情的知性と身体的常識を識別する。 以上の結果から,これらの領域における微調整LMは,ヒト脳反応との整合性を向上させることが示唆された。
  論文  参考訳（メタデータ） (2023-11-15T19:02:40Z)
• Why Linguistics Will Thrive in the 21st Century: A Reply to Piantadosi (2023) [5.2424255020469595]
  我々は、「現代言語モデルはチョムスキーの言語へのアプローチに反する」というピアンタドシの主張を批判的に評価する。 大きな言語モデルの性能と実用性にもかかわらず、人間は桁違いに少ないデータに晒された後、言語に対する能力を達成する。 本稿は,21世紀以降の科学分野としての生成言語学が不可欠であると結論付けている。
  論文  参考訳（メタデータ） (2023-08-06T23:41:14Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。