论文页面 - 词汇共识：人工智能体中的具身词汇学习与共享意义

来源：https://huggingface.co/papers/2606.22207

摘要

使用视觉嵌入和词汇学习器进行的具身词汇学习实验表明，感知距离（而非语义相关性）决定了习得成功率，且在命名和检索任务中呈现出截然不同的模式。

人工智能系统通常通过任务绩效和行为模仿来评估，但这种评估方式无法明确一个智能体能否从具身体验中习得、稳定并运用新的词汇意义。本文提出了词汇共识框架，这是一个在结构化感知基板上研究具身词汇学习的实验体系。利用冻结DINOv2（https://huggingface.co/papers?q=DINOv2）视觉嵌入、卡罗尔式生造词（https://huggingface.co/papers?q=nonce%20words）以及可解释的词汇学习器（https://huggingface.co/papers?q=lexical%20learners）加线性基线，我们测试了智能体能否习得视觉概念的人工标签、双向泛化这些标签，并在受控环境中稳定它们。主要结果是一个稳健的感知连贯性梯度：原生类别最容易学习，连贯性过度扩展仍可学习，中等范围析取概念性能下降，而远距离析取概念则趋近随机水平。一个预注册的CIFAR-100分离实验证实，该梯度由感知距离（https://huggingface.co/papers?q=perceptual%20distance）而非语义相关性主导：感知距离（https://huggingface.co/papers?q=perceptual%20distance）可预测习得准确率（偏R² = 0.245，p < 1e-7），而语义距离（https://huggingface.co/papers?q=semantic%20distance）无显著解释力（偏R² = 0.002，p = 0.660）。双向评估表明，命名和检索是截然不同的能力：基于样例的机制（https://huggingface.co/papers?q=exemplar-based%20mechanisms）在标签到图像检索（https://huggingface.co/papers?q=label-to-image%20retrieval）中优于质心原型（https://huggingface.co/papers?q=centroid%20prototypes），揭示了与命名准确率独立的一个记忆保真度维度。伪造对照、同质候选池评估以及表征重构（https://huggingface.co/papers?q=representational%20restructuring）的无效结果均表明，冻结的感知几何既支持词汇落地，也限制了在无表征适应情况下所能习得的内容。

查看 arXiv 页面 (https://arxiv.org/abs/2606.22207)查看 PDF (https://arxiv.org/pdf/2606.22207)项目页面 (https://gist.science/paper/2606.22207)GitHub (https://github.com/patriciomvera/lexical-consensus)添加至收藏 (https://huggingface.co/login?next=%2Fpapers%2F2606.22207)

在您的智能体中获取这篇论文：

hf papers read 2606.22207

没有最新的 CLI？curl -LsSf https://hf.co/cli/install.sh | bash

引用该论文的模型0

没有模型链接此论文

在模型 README.md 中引用 arxiv.org/abs/2606.22207 即可从此页面链接。

引用该论文的数据集0

没有数据集链接此论文

在数据集 README.md 中引用 arxiv.org/abs/2606.22207 即可从此页面链接。

引用该论文的 Space0

没有 Space 链接此论文

在 Space README.md 中引用 arxiv.org/abs/2606.22207 即可从此页面链接。

包含该论文的收藏集0

没有包含该论文的收藏集

将此论文添加至收藏集 (https://huggingface.co/new-collection) 即可从此页面链接。