条件句中的预设与推理：基于理论的人类与大语言模型研究

条件句中的预设投射是意义与语用学理论的核心，但在大语言模型中很大程度上尚未得到评估。我们通过一项平行行为研究填补了这一空白，该研究在控制了前件与投射预设之间关系的标准化条件句数据集上，比较了人类判断与 LLM 预测。我们在匹配的语境条件下收集了 120 名参与者和四个 LLM 的似然性评分。结果表明，人类在判断中整合了概率和语用线索，而 LLM 与人类模式的对齐程度存在差异。我们利用 LLM-as-a-Judge 框架内具有语言学动机的检查清单，进一步评估了模型推理。我们观察到，与人类评分最匹配的模型通常缺乏连贯的语用推理，而具有更强推理能力的模型产生的判断与人类相似度较低。这些发现表明，LLM 在此类任务上的表现可能源于表面模式匹配，而非语用能力。我们的发现凸显了基于语言学理论的基准测试对于比较人类和模型的重要性。