自然语言处理的量子语义框架

语义退化代表了自然语言的基本属性，超越简单的多义性，涵盖随语义表达式复杂度增加而产生的潜在解释组合爆炸。本 work 我们认为这一属性对大型语言模型（LLM）和其他现代 NLP 系统提出了根本性限制，正是因为它们 operate within 自然语言本身。使用柯克莫尔复杂度，我们展示，随着表达式复杂度增长，恢复其单一意图所需的上下文信息量会呈组合方式爆炸。因此，对于复杂或模糊的文本，恢复单个预期意义的计算不可行性表明，语言形式本身具有内在意义的古典观念在概念上是不充分的。我们认为，意义是通过观察者依赖的解释行为动态实现的，这一过程的非确定性性质最好由非经典的、类量子的逻辑来描述。为测试这一假设，我们使用多样化的 LLM 智能体进行了语义 Bell 不等式测试。我们的实验得出了来自 1.2 到 2.8 的平均 CHSH 期望值，其中一些运行产生了值（例如 2.3-2.4）显著超过经典边界 ($|S|\leq2$），表明在模糊性下的语言解释可以表现出非经典的上下文性，这与人类认知实验的结果一致。这些结果本身暗示，针对自然语言的经典频率主义方法必然是损失性的。相反，我们提出，贝叶斯式的重复抽样方法可以更实用、更恰当地表征语义在语境中的意义。