[CL]《We Hebben Een Serieus Translatie: Modeling Intercomprehension as Probabilistic Inference》T H Clark, E Gibson, R Levy [MIT] (2026)

在跨语言认知领域，人类对未学过但相关的语言（L2）具有一种神秘的“零样本”理解力。过去的方法受困于简单的编辑距离计算或过度依赖大规模多语言预训练，本质原因是忽视了人类大脑在处理此类不确定信息时，实际上是在进行一种结合了语言先验知识与噪声信道推断的理性概率计算。

本文的核心洞见是：把跨语言理解重新看作一个受限的贝叶斯推断过程。由此，引入“回火顺序蒙特卡洛”（Tempered SMC）算法这一关键操作使问题得以解开：模型从仅依赖表面字形相似度开始，逐渐增加母语语言模型的权重，通过动态推断拼写转换规则和利用上下文预测，模拟了人类从“看字面意思”到“结合语境顿悟”的认知跃迁。

这项工作真正留下的遗产是提供了一个认知上可解释的跨语言推断计算模型，证明了小规模单语模型配合高效算法能比肩甚至超越大型多语言模型。它为后来者打开的新门是利用符号规则与概率推断增强语言模型的泛化能力，但尚未跨过的门槛是处理语序差异剧烈或非一一对应翻译（如惯用语）时的组合爆炸难题。

arxiv.org/abs/2607.12169 机器学习 人工智能 论文 AI创造营