大语言模型能否通过用户生成内容理解网络流行语

中文社交媒体中大量可用的用户生成内容（UGC）为研究网络流行语提供了可能。本文研究了大型语言模型（LLMs）能否基于 UGC 示例为这些流行语生成准确的定义。我们的工作有三重贡献。第一，我们引入了 CHEER，这是第一个中文网络流行语数据集，每个样本都附有定义和相关的 UGC。第二，我们提出了一种新方法 RESS，以有效引导 LLM 的理解过程，从而生成更准确的流行语定义，模拟人类语言学习的技能。第三，借助 CHEER，我们对各种现成定义生成方法和我们的 RESS 进行了基准测试。我们的基准测试验证了 RESS 的有效性，同时揭示了关键的共同挑战：对先前接触的过度依赖、不充分的推理能力，以及难以识别高质量的 UGC 来促进理解。我们相信我们的工作为基于 LLM 的定义生成未来的发展奠定了基础。我们的数据集和代码可在 https://github.com/SCUNLP/Buzzword 获取。