Correct-Detect：通过核心指代消解视角平衡性能与歧义
计算与语言
2025-10-22 v2 人工智能
摘要
大型语言模型（LLM）旨在反映人类的语言能力。但人类拥有广泛且具身的背景，这是检测和解决语言歧义的关键，即使在孤立的文本片段中也是如此。语义歧义的一个根本案例体现在核心指代消解任务：一个代词与 Earlier 人称提及有什么关系？这种能力在几乎每一个下游任务中都是隐含的，而且这种层面的歧义的存在会显著影响性能。我们表明，LLM 在核心指代消解和检测核心指代中的歧义方面都能通过最小提示实现良好性能，但它们不能同时做到这两点。我们提出了 CORRECT-DETECT 权衡：尽管模型具备这两种能力并在隐式地部署它们，但成功地在这两种能力之间实现平衡仍然尚未实现。
引用
@article{arxiv.2509.14456,
title = {Correct-Detect: Balancing Performance and Ambiguity Through the Lens of Coreference Resolution in LLMs},
author = {Amber Shore and Russell Scheinberg and Ameeta Agrawal and So Young Lee},
journal= {arXiv preprint arXiv:2509.14456},
year = {2025}
}
备注
Accepted at EMNLP 2025 (main)