Ce travail étend les modèles algorithmiques de l'inférence par canal bruité pour modéliser l'intercompréhension dans un cadre bayésien, abordant la manière dont les locuteurs d'une langue apparentée (L1) atteignent une intelligibilité partielle d'une langue inconnue (L2).
- Le modèle utilise un modèle linguistique L1-only pour évaluer des hypothèses latentes sur les traductions des énoncés L2 observés.
- Un modèle de bruit à usage général infère les mappages entre les mots L2 et L1 basés sur la similarité formelle ou des règles symboliques.
- Des expériences comportementales humaines ont suscité des inférences pour le néerlandais, l'italien et l'ukrainien auprès de locuteurs de l'anglais, de l'espagnol et du russe.
- Le modèle complet montre une alignement plus étroit avec la performance d'intercompréhension humaine que les ablations et se compare favorablement à l'invocation zero-shot de modèles plus grands.
Ces résultats fournissent un modèle computationnel cognitivement plausible de l'intercompréhension, mettant en évidence les inférences flexibles effectuées par les compreneurs sous une large incertitude dans des scénarios interlangues réels.