LLM 的隐式语言表征：形式语言学习视角

基于摘要分析。本文研究 LLM 学习目标语言时，是否准确掌握其底层结构，以及是否同时学会其他相关语言。作者以概率形式语言构建可控学习环境，并提出逐字符串的局部判别测试，用于刻画模型的语言掌握程度及隐式语法。 核心机制是：若模型赋予某个语言内字符串的生成概率高于其所有相邻的语言外字符串，则将该字符串视为已学会；语言掌握程度定义为满足这一条件的字符串比例。该判据同时考虑语言内生成与语言外错误生成，而不只衡量训练字符串的拟合。摘要未说明邻域构造、字符串采样方式及概率比较的具体实现，相关细节尚未验证。 作者报告，在所考察的语言内，结构上更接近训练数据的字符串更容易被模型学会。对于目标语言之外的分布外语言，作者报告，模型更容易泛化到放宽全局结构约束的语言，而非放宽局部结构约束的语言；据此刻画的隐式语法更接近支配局部结构的规则，却偏离支配全局结构的规则。作者还报告，在自然语言实验中观察到相似模式：模型对局部词结构的学习优于句子或段落层面的全局结构。 这些结论针对语言结构学习，并非 EEG 或 BCI 有效性的证据。摘要未提供模型名称、训练规模、形式语言类别、自然语言数据、量化结果或对照设置；实验协议、消融及统计信息尚未验证。目前材料不足以建立具体的 EEG 迁移机制，因此不据此提出 BCI 算法改进或复现实验建议。