pragmatics

本文评估了大语言模型识别未言明信念（隐含意义）以及通过隐含意义取消来理解信念更新的能力，并引入了专家标注的ImplicatureX数据集。结果表明，大语言模型在自然场景中尤其落后于人类。

提出SAGE，一种结合语言模型与认知模型的神经符号框架，用于语用推理，并通过包括指称表达生成和含意在内的三个案例研究进行验证。

本文提出一个“Genie系数”来衡量AI代理理解用户意图的程度，认为当前的基准测试未能捕捉用户所说与所想之间的差距。

本文研究了语言模型尽管具有稳健的内部表征，但在行动上却未能体现交际意图的问题。通过线性探针，作者发现意图可以从隐藏状态中解码，但通常不反映在输出中，而引导一个较后层的方向可以恢复预期的行为。

本文提出人口统计条件融合嵌入，用于建模语言中的视角主义社会意义，通过将注释者人口统计信息整合到NLP系统中，展现出相对于纯文本基线的持续改进。

介绍KARMA，一个在Reddit对话上训练奖励模型的框架，通过强化学习提升大语言模型的上下文敏感对话行为。研究发现，预测Karma的最佳奖励模型并不能带来最佳的下游对齐效果。

介绍DRInQ，一个用于评估疑问话语中会话含义的基准，揭示了LLMs尽管能够生成合理的语用场景，但在推理时往往无法恢复预期的含义。