企业官网建设流程全解析

文章主要内容和创新点

主要内容

本文针对大型语言模型（LLMs）在隐喻理解任务中的能力进行了全面评估。研究通过多个公开数据集（涵盖自然生成和词汇替换构建的数据），在自然语言推理（NLI）和问答（QA）任务中，结合零样本、少样本及思维链（CoT）等多种提示配置，分析LLMs对隐喻语言的理解能力。结果表明：LLMs的表现更多受词汇重叠、句子长度等表面特征影响，而非对隐喻内容的深层理解；所谓的“隐喻理解能力”实际是表面特征、上下文学习和语言知识共同作用的结果；少样本和CoT提示设置的表现优于微调编码器，可减少对大量人工标注数据的依赖。

创新点

1. 多维度评估框架：首次在多数据集、多任务（NLI和QA）、多提示配置下评估LLMs的隐喻理解能力，突破了以往单一数据集或任务的局限。
2. 表面特征影响分析：通过定量和定性分析，明确LLMs的表现更依赖词汇重叠、句子长度等表面特征，而非对隐喻的真正理解，揭示了其“隐喻理解能力”的本质。
3. 提示策略优势：验证了少样本和CoT提示设置优于微调编码器，降低了对特定任务标注数据的需求，为隐喻理解任务提供了更高效的评估和应用思路。

翻译部分

摘要

本文全面评估了大型语言模型（LLMs）在多个数据集、任务和提示配置下的隐喻理解能力。尽管隐喻处理在自然语言处理（NLP）领域已受到广泛关注，但以往研究局限于单一数