Can Large Language Models Code Like a Linguist?: A Case Study in Low Resource Sound Law Induction

本文是LLM系列文章，针对《Can Large Language Models Code Like a Linguist?: A Case Study in Low Resource Sound Law Induction》的翻译。

摘要

历史语言学家长期以来编写了一种不完全形式化的“程序”，它将祖先语言中的重构单词转换为其经过证实的后代语言中的单词，其中包含一系列有序的字符串重写函数（称为声音规则）。他们通过观察重建语言（原型）和派生语言（反射）中的单词对并构建一个将原型转换为反射的程序来做到这一点。然而，编写这些程序很容易出错并且耗时。之前的工作已经成功地在计算上支撑了这个过程，但是很少有研究人员解决声音定律归纳（SLI）问题，我们在本文中通过将其称为“示例编程”来实现这一点。我们提出了一种与语言无关的解决方案，通过从声音变化示例生成 Python 声音定律程序，利用大型语言模型 (LLM) 的编程能力。我们评估了我们的方法对各种LLM的有效性，提出了有效的方法来生成额外的与语言无关的合成数据，以微调LLM的 SLI 并将我们的方法与现有的自动化 SLI 方法进行比较，表明虽然LLM落后于它们，但它们可以弥补它们的一些弱点。

1 引言

2 相关工作