重新审视情境学习时代否定的系统性

即使在 大语言模型 (LLM) 时代，理解否定句的含义仍然是语言模型面临的挑战之一。我们从两个角度分析LLM对否定的理解的系统性：行为系统性和表征系统性。对于行为系统性，我们通过演示和上下文学习确认，LLM可以在一定程度上识别句子内的否定表达和范围，但未能达到完美的表现。特别是，模型的否定范围识别的难度根据输出格式的不同而变化。为了表征系统性，我们分析了从上下文示例中稳健构建函数向量的程度，以完成对于理解否定至关重要的任务。实验表明，虽然可以为否定线索提取任务组合函数向量，但提取用于识别范围的函数向量更具挑战性。