Данная работа расширяет алгоритмические модели вывода в канале с шумами для моделирования интеркомпрехенсии в рамках байесовского подхода, решая вопрос о том, как носители родственного языка (L1) достигают частичной понятности незнакомого языка (L2).

  • Модель использует языковую модель только на основе L1 для оценки латентных гипотез относительно переводов наблюдаемых высказываний на L2.
  • Универсальная модель шума выводит отображения между словами L2 и L1 на основе сходства форм или символических правил.
  • Поведенческие эксперименты с участием людей выявили выводы для голландского, итальянского и украинского языков со стороны носителей английского, испанского и русского языков.
  • Полная модель демонстрирует более тесное соответствие человеческой интеркомпрехенсии по сравнению с аблиациями и показывает лучшие результаты по сравнению с zero-shot промптингом больших моделей.

Эти результаты предоставляют когнитивно правдоподобную вычислительную модель интеркомпрехенсии, подчеркивая гибкость выводов, которые делают понимающие в условиях широкой неопределенности в реальных межъязыковых ситуациях.