大型语言模型是否理解词义？

理解词语在上下文中的意义是大型语言模型（LLM）的基本能力。尽管已有大量评估工作，但LLMs是否表现出真正把握词义的证据仍不为人所了解。本文通过评估i）指令调优LLMs的词义消歧（WSD）能力，比较其性能与专为该任务设计的前沿系统，并ii）两款顶尖开源和闭源LLMs在三个生成性场景中的词义理解能力：定义生成、自由形式解释和示例生成。值得注意的是，在WSD任务中，领先模型如GPT-4o和DeepSeek-V3的性能与专门的WSD系统持平，同时在领域和难度水平方面表现出更好的鲁棒性。在生成任务中，结果显示LLMs在上下文中解释词语意义的准确率可达98%，在自由形式解释任务中表现最佳，这一任务最符合其生成式能力。