语域差距：尼日利亚公共话语的意义情报框架

我们引入了意义智能框架（MIF），这是一种针对尼日利亚公共话语的九维注释和评估模式，可将表面情绪与真正的交流意图分开。尼日利亚语言的现有基准（包括 NaijaSenti 和 AfriSenti）将情感分类视为三向极性任务。我们认为，人工智能系统在尼日利亚话语中的主要失败模式不是翻译失败，而是语境失败：同一个话语根据说话者、听众和情境的不同，具有相反的语用力量。 MIF 在九个评分维度上运用这一洞察：语域、表面情绪、真实意图、讽刺、编码潜台词、风险等级、注释者信心、演讲者情绪和推荐的沟通行动。我们构建了一个包含标准英语、尼日利亚英语、尼日利亚洋泾浜语和混合代码语域的 30 项校准数据集，并在零样本和模式通知提示条件下评估了三种前沿语言模型（Gemini 2.5 Flash、GPT-5 和 Gemini 2.5 Pro）。出现了两个主要发现。首先，语域差距：零样本语域分类准确度为 33.3%，当模型在上下文中接收 MIF 模式时，升至 73.3%（+40 分）。其次，模型能力和文化能力是脱钩的：GPT-5 (MIS 67.8) 和 Gemini 2.5 Pro (MIS 65.4) 的得分低于 Flash (MIS 78.6)，并且都没有从基于模式的提示中受益。我们发布了框架规范、注释指南和校准集以支持可重复性。