当词语不尽其意：孟加拉方言中隐喻理解的比较研究
计算与语言
2026-02-16 v1
摘要
隐喻语言理解是大型语言模型（LLM）面临的重要挑战，尤其是针对低资源语言。为此，我们引入一个新的习语数据集，规模大、文化根植，包含 10,361 条孟加拉方言习语。每条习语都在包含 19 个字段的全面模式下进行标注，该模式经通过审慎专家共识过程建立和完善，捕捉其语义、句法、文化和宗教维度，为计算语言学提供了丰富、结构化的资源。为为孟加拉隐喻语言理解建立稳健的基准，我们对 30 个最先进的多语言和指令调优 LLM 在推断隐喻意义任务上进行评估。我们的结果显示，没有模型能超过 50% 的准确率，这与显著高于人类水平（83.4%）的准确率形成鲜明对比。这凸显了现有模型在跨语言和文化推理方面的局限性。通过发布新的习语数据集和基准，我们为在孟加拉及其他低资源语言的 LLM 中推进隐喻语言理解和文化 grounding 提供了基础设施。
关键词
引用
@article{arxiv.2602.12921,
title = {When Words Don't Mean What They Say: Figurative Understanding in Bengali Idioms},
author = {Adib Sakhawat and Shamim Ara Parveen and Md Ruhul Amin and Shamim Al Mahmud and Md Saiful Islam and Tahera Khatun},
journal= {arXiv preprint arXiv:2602.12921},
year = {2026}
}
备注
9 pages, 5 figures. Accepted for presentation at LREC 2026 (Language Resources and Evaluation Conference)