当语料依托于感知与话语时，信息密度是否均匀？
计算与语言
2026-02-17 v1
摘要
均匀信息密度（UID）假说认为，说话者受到在话语中均匀分布信息的沟通压力，以最小化惊讶方差。虽然该假说已通过经验研究得到验证，但先前研究仅限于文本输入，抽象化了话语产生时的感知语境。本 work 提出首个计算化 UID 在视觉依托情境中的研究。我们使用覆盖 30 种语言的图像-文本数据和覆盖 13 种语言（11 个语族）的视觉叙事数据来估计惊讶。我们发现，感知依托一致地平滑信息分布，在类型多样的语言中均增加了全局和局部均匀性，与文本-only 设置相比效果更佳。在视觉叙事中，同时依托于图像和话语语境会产生额外效应，在话语单元开头处惊讶 reductions 最为显著。总体而言，本 study 为建模多模态语言使用中的信息流动时间动态迈出了第一步，发现依托语言 exhibits 更大的信息均匀性，支持一种受情境敏感的 UID 表述。
引用
@article{arxiv.2602.14653,
title = {Is Information Density Uniform when Utterances are Grounded on Perception and Discourse?},
author = {Matteo Gay and Coleman Haley and Mario Giulianelli and Edoardo Ponti},
journal= {arXiv preprint arXiv:2602.14653},
year = {2026}
}
备注
Accepted as main paper at EACL 2026