Inspicio：开放词汇、基于 LLM 的历史语言语义检索

英语和少数资源丰富的现代语言的词义消歧技术进展迅速，但它仍然假设源语言中存在词义库存和词义映射（Navigli，2026）。对于大多数历史悠久且资源匮乏的语言来说，这些假设不成立，这些语言的专用 WordNet 要么不完整，要么仍在建设中。我们提出了 Inspicio，一种开放词汇检索管道，可将上下文中的标记链接到开放英语 WordNet（McCrae 等人，2020）的同义词集，而无需任何源语言库存或映射。对于每次出现，指令调整的 LLM 都会生成周围句子的两个英语翻译、一小组候选字典式定义和一些候选英语引理。这些输出驱动混合检索步骤，该步骤结合了密集定义-同义词集相似性、稀疏引理匹配和最大边际相关性重新排序。我们评估了 LLM 的 6x6 网格和句子嵌入模型的管道，包括一组新的手动注释的拉丁语和古希腊语感知动词双语集、PREMOVE 数据集的子集（Farina，2025）以及意大利语的历时样本。最佳配置在感知动词测试集上达到 96% Recall@50，每个组件都贡献可测量的收益，并且在域外和跨语言设置中保持竞争力。