IdioLink：跨习语与字面表达的语义检索
计算与语言
2026-05-22 v1
摘要
习语是语言模型面临的根本性挑战，因为其含义无法仅从表面形式推断。因此，理解此类表达需要超越词汇重叠的语义抽象。我们提出 IdioLink，一个检索基准，旨在测试模型是否能够将习语链接到以字面或改写形式表达的概念等价含义。IdioLink 包含 10,700 篇文档和 2,140 个查询，覆盖 107 个习语及其字面和比喻用法。每个文档和查询都标注了传递核心含义的文本片段。评估强大的嵌入基线模型（如 BGE、E5、Contriever 和 Qwen），我们发现当前模型在检索不同表面实现下的等价含义时仍存在挑战，主要依赖主题性和浅层语义线索。IdioLink 揭示了习语感知语义检索中的关键缺口，并为未来模型提供了具有挑战性的测试平台。
引用
@article{arxiv.2605.22247,
title = {IdioLink: Retrieving Meaning Beyond Words Across Idiomatic and Literal Expressions},
author = {Kai Golan Hashiloni and Daniel Fadlon and Lior Livyatan and Ofri Hefetz and Jiahuan Pei and Kfir Bar},
journal= {arXiv preprint arXiv:2605.22247},
year = {2026}
}