预测-测量鸿沟：向科学仪器探讨语义表示
计算与语言
2026-03-12 v1
摘要
文本嵌入已成为计算社会科学和心理学中衡量意义和混合方法推断的核心工具，尽管大多数表示学习是针对预测和检索优化和评估的，导致出现一种预测-测量鸿沟：表现良好的特征可能不太适合作为科学仪器。本文论证认为，科学意义分析激发了一族独特的目标——科学可用性（scientific usability），强调几何可读性、可解释性和对语言证据的可追溯性，对非语义混合因素的鲁棒性，以及与语义方向回归式推断的兼容性。基于认知和神经心理学视角，本文评估了静态词嵌入和情境转换表示，这些要求：静态空间仍然适合透明测量，而情境空间提供更丰富的语义但会将意义与其他信号混合，并存在几何和可解释性问题，使推断复杂化。随后，本文概述了围绕 (i) 面向梯度和抽象的几何优先设计，包括受限于心理学特权层次的层次感知空间；(ii) 可逆后验转换以重构嵌入几何和减少杂质影响；(iii) 语义图谱和面向测量的评估协议，以实现可靠且可追溯的语义推断。随着该领域争论规模优先进步的边界，面向测量的表示提供了原则性的新前沿。
引用
@article{arxiv.2603.10130,
title = {The Prediction-Measurement Gap: Toward Meaning Representations as Scientific Instruments},
author = {Hubert Plisiecki},
journal= {arXiv preprint arXiv:2603.10130},
year = {2026}
}