論文の概要: Position: Natural Language Should Not Fully Replace Formal Languages
- arxiv url: http://arxiv.org/abs/2607.20432v1
- Date: Sun, 10 May 2026 15:01:16 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-27 00:46:13.158124
- Title: Position: Natural Language Should Not Fully Replace Formal Languages
- Title（参考訳）: ポジション: 自然言語は形式言語を完全に置き換えるべきではない
- Abstract要約: 自然言語はオープンな文脈における不特定に最適化されていると論じる。
より厳密な要求のあるタスクでは形式言語が有利であるのに対して、自然言語は低特異性タスクで優れていることを示す。
- 参考スコア（独自算出の注目度）: 11.90605417129287
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Recent advances in large language models and their widespread adoption have prompted claims that natural language could entirely replace formal languages, such as programming languages for software design. In this position paper, we argue that this perspective overlooks fundamental linguistic properties of natural language, specifically that it is optimized for underspecification in open-ended contexts. We introduce a formal framework centered on *task specificity*, defining it as the information-theoretic reduction of uncertainty in an output space -- such as all possible images -- given a user's specific requirements. We prove a *specificity crossover theorem*, showing the existence of a threshold beyond which the cost to express formal requirements into natural language exceeds the cost of direct formal specification. By analyzing case studies across modalities, such as image generation, code synthesis, and audio production, we demonstrate that natural language excels at low specificity tasks, while formal languages are advantageous on tasks with stricter requirements. We conclude that natural and formal languages are complementary tools and advocate the development of hybrid systems that allow users to move across the specificity spectrum.
- Abstract（参考訳）: 近年の大規模言語モデルの発展とその普及により、自然言語はソフトウェア設計のためのプログラミング言語のような形式言語を完全に置き換えることができると主張している。
本稿では,この視点が自然言語の基本的言語特性,特にオープンエンド文脈における不特定性に最適化されていることを論じる。
本稿では, ユーザの要求に応じて, 出力空間における不確実性 - 可能なすべての画像など - の情報理論的低減 - を定義して, タスク特異性を中心にした形式的フレームワークを提案する。
我々は*特異性クロスオーバー定理*を証明し、形式的要件を自然言語に表現するコストが直接形式的仕様のコストを超えるようなしきい値が存在することを示す。
画像生成, コード合成, 音声生成など多種多様なケーススタディを解析することにより, 自然言語が低特異性タスクで優れているのに対して, 形式言語はより厳密な要求を持ったタスクに有利であることを示す。
自然言語と形式言語は相補的なツールであり、ユーザが特定のスペクトルを移動できるようにするハイブリッドシステムの開発を提唱する。
関連論文リスト
- Symbolic Informalization: Fluent, Productive, Multilingual [0.0]
記号的非公式化は、形式数学を自然言語に信頼できる変換を可能にする。
本稿では,象徴的非公式化がいかに流動的なテキストを生成できるかを示すプロジェクトInformathの概要を紹介する。
論文 参考訳（メタデータ） (2026-06-15T16:06:21Z) - Coherency through formalisations of Structured Natural Language, A case study on FRETish [0.0]
形式化とは、システム要件を形式言語で記述するプロセスである。
本稿では,ホルマライゼーションによるコヒーレンシ(コヒーレンシー)の新たなガイドラインを提案する。
本稿では,NASA の形式的要求抽出ツール FRET を分析し,制御された自然言語 FRETish を MTL の形式言語に自動翻訳する手法を提案する。
論文 参考訳（メタデータ） (2026-05-11T12:30:53Z) - Between Circuits and Chomsky: Pre-pretraining on Formal Languages Imparts Linguistic Biases [47.920937001420505]
フォーマルな言語上での言語モデルの事前学習は、自然言語の獲得を改善することができる。
階層的な依存関係をキャプチャする言語は、言語モデルが自然言語の損失を低減できることを示す。
また、フォーマルな言語から自然言語への移動の機械的証拠を与える。
論文 参考訳（メタデータ） (2025-02-26T15:55:55Z) - Soft Language Clustering for Multilingual Model Pre-training [57.18058739931463]
本稿では,インスタンスを条件付きで符号化するためのフレキシブルガイダンスとして,コンテキスト的にプロンプトを検索するXLM-Pを提案する。
我々のXLM-Pは、(1)言語間における言語不変および言語固有知識の軽量なモデリングを可能にし、(2)他の多言語事前学習手法との容易な統合を可能にする。
論文 参考訳（メタデータ） (2023-06-13T08:08:08Z) - nl2spec: Interactively Translating Unstructured Natural Language to
Temporal Logics with Large Language Models [3.1143846686797314]
大規模言語モデル(LLM)を適用するためのフレームワークであるnl2specは、構造化されていない自然言語から正式な仕様を導出する。
本稿では,自然言語におけるシステム要求のあいまいさを検知し,解決する新たな手法を提案する。
ユーザは、これらのサブ翻訳を反復的に追加、削除、編集して、不正なフォーマル化を修正する。
論文 参考訳（メタデータ） (2023-03-08T20:08:53Z) - Language Models as Inductive Reasoners [125.99461874008703]
本稿では,帰納的推論のための新しいパラダイム(タスク)を提案し,自然言語の事実から自然言語規則を誘導する。
タスクのための1.2kルールファクトペアを含むデータセットDEERを作成し,ルールと事実を自然言語で記述する。
我々は、事前訓練された言語モデルが自然言語の事実から自然言語規則をいかに誘導できるかを、初めてかつ包括的な分析を行う。
論文 参考訳（メタデータ） (2022-12-21T11:12:14Z) - Transparency Helps Reveal When Language Models Learn Meaning [71.96920839263457]
合成データを用いた体系的な実験により,すべての表現が文脈に依存しない意味を持つ言語では,自己回帰型とマスキング型の両方の言語モデルが,表現間の意味的関係をエミュレートする。
自然言語に目を向けると、特定の現象(参照不透明さ)による実験は、現在の言語モデルが自然言語の意味論をうまく表現していないという証拠を増大させる。
論文 参考訳（メタデータ） (2022-10-14T02:35:19Z) - Formal Specifications from Natural Language [3.1806743741013657]
本稿では,自然言語を複雑な意味を持つ形式仕様に翻訳する言語モデルについて検討する。
特に、構造化英語文からなる3つのデータセット上で、オフザシェルフ言語モデルを微調整する。
論文 参考訳（メタデータ） (2022-06-04T10:49:30Z) - Linking Emergent and Natural Languages via Corpus Transfer [98.98724497178247]
創発言語と自然言語のコーパス転送によるリンクを確立する新しい方法を提案する。
このアプローチでは,言語モデリングとイメージキャプションという,2つの異なるタスクに対して,非自明な転送メリットを示す。
また,同一画像に基づく自然言語キャプションに創発的メッセージを翻訳することで,創発的言語の伝達可能性を予測する新しい指標を提案する。
論文 参考訳（メタデータ） (2022-03-24T21:24:54Z) - Towards Zero-shot Language Modeling [90.80124496312274]
人間の言語学習に誘導的に偏りを持つニューラルモデルを構築した。
類型的に多様な訓練言語のサンプルからこの分布を推測する。
我々は、保留言語に対する遠隔監視として、追加の言語固有の側情報を利用する。
論文 参考訳（メタデータ） (2021-08-06T23:49:18Z)
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。