重访上下文学习时代的否定系统性

理解否定句含义仍是语言模型面临的挑战之一。本文从行为系统性和表征系统性两个视角分析了大语言模型（LLM）对否定的理解。在行为层面，证实通过演示和上下文学习，LLM 能一定程度上识别否定表达及其作用范围，但无法达到完美性能，且难度受输出格式影响。在表征层面，分析了能否从上下文示例中稳健构建用于否定理解的任务函数向量。实验表明，虽可组合提取否定线索的函数向量，但识别作用范围的向量构建更具挑战性。