中文字符视觉信息的影响：评估大模型识别和利用偏体的能力
计算与语言
2025-01-31 v3
摘要
汉字的字形书写体系包含每一字符中丰富的视觉特征，如偏体（radicals）可提供关于含义或读音的线索。然而，目前尚无研究探讨当代大语言模型（LLM）和视觉语言模型（VLM）是否可以通过提示词（prompting）利用这些汉字亚字符特征。本研究构建了一个基准测试，用于评估LLM和VLM对汉字视觉元素（包括偏体、构成结构、笔画及笔画数）的理解能力。我们的结果表明，无论是否提供字符图像，模型都呈现出一定程度的视觉信息知识，但仍有限。为激发模型运用偏体的能力，我们进一步实验性地将偏体纳入中文语言处理（CLP）任务的提示词中。我们观察到在提供偏体信息的情况下，命名实体识别（POS tagging）性能得到一致性提升，这表明整合亚字符信息有望增强CLP任务的效果。
引用
@article{arxiv.2410.09013,
title = {The Impact of Visual Information in Chinese Characters: Evaluating Large Models' Ability to Recognize and Utilize Radicals},
author = {Xiaofeng Wu and Karl Stratos and Wei Xu},
journal= {arXiv preprint arXiv:2410.09013},
year = {2025}
}
备注
Accepted to NAACL 2025