morphology

这篇论文通过在他加禄语上的受控实验（将MorphAustro-Tok与BPE及打乱形态素的对照组进行比较），发现形态感知分词确实能提升机器翻译效果，但形态正确性本身并不带来收益——增益仅来自分词粒度与一致性，而非语言学上正确的切分。

该论文利用 Pythia 和 OLMo 等开源模型的中间检查点，系统研究了大语言模型在训练过程中形态结构、嵌入漂移、重复主导与共现效应的演化规律，发现模型在语义嵌入稳定之前就已习得形态结构，且训练数据规模有助于发散识别，而共现和重复则有负面影响。

本文提出了首个面向僧伽罗语连声（Sandhi）切分的神经网络基准任务，采用字符级 seq2seq 模型在 SandhiLex 数据集上进行实验，其中双向 LSTM 编码器在困难的词汇化/派生性连声上达到 68.40% 的完全匹配准确率，而在规则性的词缀切分案例上则达到 94%。

Morphometric Immitation 提出了一种三阶段框架，该框架将重建的人类手物交互转化为零样本仿真到现实的视觉运动策略，从而增强灵巧操作任务中的接触保持和成功率。

本文诊断了日语过去时动词屈折的神经形态生成中的系统性错误，聚焦于一个导致不成比例错误的罕见不规则子类型。消融实验表明，移除该子类型比移除所有不规则动词更能提高准确率，强调了细粒度子类分析的重要性。

This paper probes character-level transformers to investigate whether they encode the Spanish L-shaped morphome, an irregular morphological pattern, as an abstract class or just surface alternations. The authors find that the encoding is item-specific and localized, but does not generalize like human learners.

Introduces MORFES, a benchmark of 500 expert-verified items for testing productive inflectional competence in Modern Greek, and evaluates open language models including their own Sophea-Genesis-1, which leads on inflectional morphology.

本文提出Morpheus，一种面向土耳其语的神经分词器与词嵌入器，它在无需字符串归一化的情况下学习语素边界，实现了无损分词并在词汇检索中获得了具有竞争力的嵌入表示，同时比子词分词器使用更少的GPU内存。

介绍PACUTE，一个包含4600项任务的诊断基准，用于评估菲律宾语的形态理解能力。结果显示，即使是前沿模型在语素分解和能产性形态组合方面仍存在困难。

一篇个人叙述，讲述在沙特沙漠中发现一个化石贝壳，并通过计算方法将其形状与数千种贝壳物种进行对比分析。

提出了一种新颖的词根与模式模型来描述阿拉伯语名词的屈折形态，重点关注破碎复数，包含160个类别的分类法以及应用于3200个词条的编码方案，旨在改进计算语言资源。

本文研究了字符级Transformer模型如何泛化到日语过去时屈折中的不规则动词子类型。控制实验表明，包含不规则示例可以改善泛化，挑战了规则性简化学习的假设。