大型语言模型能否像儿童一样泛化类比解答？
人工智能
2025-10-07 v3 计算与语言
人机交互
摘要
在人类身上，解决类似“身体 : 脚 :: 桌子 : ?”的类比问题在童年中出现，并且似乎容易地推广到其他领域，如视觉领域“( : ) :: < : ?”。近期研究表明，大型语言模型（LLM）能够解决各种形式的类比问题。然而，大型语言模型能否像人类一样将类比解答泛化到新领域？为此，我们让儿童、成年人和大型语言模型在拉丁字母中的一系列字母字符串类比（例如 a b : a c :: j k : ?）中进行求解，分别是在近似迁移领域（希腊字母）、远迁移领域（符号列表）中。儿童和成年人轻松地将知识泛化到陌生领域，而大型语言模型则未能如此。这种人类与人工智能性能之间的关键差异表明，这些大型语言模型仍然在鲁棒的人类类比迁移方面存在挑战。
引用
@article{arxiv.2411.02348,
title = {Can Large Language Models generalize analogy solving like children can?},
author = {Claire E. Stevenson and Alexandra Pafford and Han L. J. van der Maas and Melanie Mitchell},
journal= {arXiv preprint arXiv:2411.02348},
year = {2025}
}
备注
Accepted to Transactions of the Association for Computational Linguistics (TACL)