psycholinguistics

本文使用眼动追踪数据评估粤语适配语言模型是否能更好地预测粤语阅读，比较了CKIP GPT-2和CantoneseLLM-7B等模型。结果表明，更广泛的粤语特定训练可以提高预测拟合度，尽管性能因信息论度量而异。

本文比较了人类和LLM在不同响应量表配置下对含有焦点粒子“even”和“only”的句子的标量判断，发现了稳定的语义驱动差异，但注意到模型缺乏响应变异性。

本文提出使用现成的CLIP风格多模态编码器，结合双模态归因方法来预测视觉世界实验中的注视行为，无需微调即可成功复现一项关于人类预测加工的开创性研究。

本文研究了五个开放权重的大型语言模型在回指消解中是否表现出对心理语言学因素的人类类似敏感性，使用惊奇度和理解准确率作为行为指标。结果显示选择性认知对齐：一些模型在回指消解中匹配了人类的话语敏感性，但对语义干扰效应的敏感性较弱或缺失。

This paper introduces STRIVE, an LLM-based framework for jointly generating and evaluating controlled event sets for psycholinguistic plausibility judgments. Experiments show that adding a global reasoning scratchpad and evaluator-guided refinement substantially improves generation quality, though near-boundary events remain challenging.

介绍轨迹外推误差，这是一种从变换器语言模型隐藏状态导出的度量，它独立于惊讶度且与其正交地预测人类阅读时间，揭示了增量处理成本中一个可分离的成分。

本文研究了大语言模型如何因对话上下文而产生不同结果，发现话题而非明确的用户人口特征是导致高风险场景（如薪资建议）中差异的主要驱动因素。

一项新研究揭示，意大利和荷兰成年人在教导儿童时会本能地以类似方式调整手势，这表明跨文化存在一种共享的沟通策略。

本文测试了解析多重性不匹配假说，该假说认为语言模型之所以低估了人类在花园路径句中的处理困难，是因为它们能同时考虑更多的句法解析。通过使用带束搜索的循环神经网络语法（RNNGs），研究者发现减少活跃解析的数量会增大预测的花园路径效应，但远远不足以完全捕捉人类数据。

本文探讨了人类在严格词汇限制下如何进行交流，将其增量生成策略与使用大语言模型进行顺序蒙特卡洛推断的贪婪和全局最优采样算法进行比较。