大语言模型生成的“机械语言”与人类自然语言的句法-语义差异研究.docxVIP

PAGE2

大语言模型生成的“机械语言”与人类自然语言的句法-语义差异研究

摘要

本研究聚焦于生成式AI与理论语言学交叉领域的一个核心议题：大语言模型（LLM）生成的文本与人类母语者产出的自然语言之间，在句法结构与语义组织层面存在何种本质差异。研究以乔姆斯基先天语言官能理论为参照框架，系统对比两类文本的结构特征与语义冗余度，进而反思经典生成语法理论在解释“机械语言”现象时的适配性与局限。

全文遵循“提出问题—分析问题—解决问题”的递进逻辑展开。第一章绪论阐明研究背景与核心问题，指出LLM生成文本的“非人化”特征对传统语言学理论构成挑战。第二章文献综述梳理国内外在计算语言学与理论语言学交叉领域的研究脉络，揭示现有研究在句法-语义深层对比方面的不足。第三章界定“机械语言”“句法深度”“语义冗余度”等核心概念，构建基于生成语法与信息论的双维分析框架。第四章从结构表征与语义组织两个维度深入解析两类文本的差异本质，揭示LLM文本的局部句法合规性与全局句法浅层化之间的内在矛盾。第五章阐释这一差异的形成机制，从统计学习与规则推导两种路径的底层逻辑出发，分析作用条件与演变趋势。第六章提出“句法深度梯度”理论框架，尝试在经典生成语法与统计学习理论之间建立桥接性解释模型。第七章总结研究发现，阐明理论贡献与实践启示。第八章反思研究局限并展望未来方向。

研究核心发现：LLM生成文本呈现“表层句法合规