不规则性有帮助：神经形态学中归纳偏置的子类分析
计算与语言
2026-05-25 v2
摘要
神经形态生成系统常常在基准数据集上实现高的总体准确率，但此类性能可能掩盖了集中在稀有形态子类中的系统性错误。我们检视了日语过去时态动词变格，发现一个非常小且结构特定的不规则子类（<1%的数据）占据了模型错误的比例不成比例的份额。受控消除实验表明，移除该子类比移除所有不规则动词后， generalization的提高更大，表明并非所有不规则性都对模型不稳定性贡献相等。这一发现表明，错误集中是由极端低频形态模式与特定形态声学过程（尤其是双音节）之间的相互作用所致。我们认为，形态评估应包含超越标准变格类别的更细粒度子类分析。
引用
@article{arxiv.2605.20558,
title = {When Irregularity Helps: A Subclass Analysis of Inductive Bias in Neural Morphology},
author = {Wen Zhang},
journal= {arXiv preprint arXiv:2605.20558},
year = {2026}
}