❌

阅读视图

✇12 - 南京师大比特人文公众号
↗️

陆尧、王璐｜音段和超音段成分对汉语学习者语音可懂度的作用研究

徐惠 2026-02-07 17:00 江西

该研究探究汉语音段超音段对二语者可懂度的影响，发现其作用受母语和水平调节。

转载自“语言学心得”

好文荐读（第379期）音段和超音段成分对汉语学习者语音可懂度的作用研究

“好文荐读”不定期更新，为大家带来最新的核心期刊亮眼论文，希望大家多多支持，也欢迎给我们留言推荐更多值得一荐的好文哦~

音段和超音段成分对汉语学习者语音可懂度的作用研究

陆 尧 1 ，王 璐（通讯作者）2

1. 北京大学语言学实验室/中文系

2. 南京师范大学国际文化教育学院

文章简介

文章来源：陆尧,王璐. 音段和超音段成分对汉语学习者语音可懂度的作用研究 [J]. 华文教学与研究, 2026, (01): 77-85.

摘要：本文运用语音合成技术，对不同水平日语、泰语母语者的汉语二语语音进行了音段和超音段成分替换，考察不同语音信息组合条件对二语者语音可懂度的影响。研究结果显示：(1)音段和超音段成分替换均能显著提升汉语学习者语音可懂度，二者共同影响可懂度；(2)音段和超音段的具体作用与学习者母语背景和语言水平有关，对泰语母语者和低水平日语母语者而言，音段的作用更为突出，而对高水平日语母语者而言，超音段的影响更为显著。本文所得结论对汉语二语语音习得和教学应用具有参考意义。

关键词：音段；超音段；汉语二语；语音可懂度

基金项目：北京市社科基金项目 “北京地区自闭症儿童语音韵律感知研究”（24YYC015）。

感谢《华文教学与研究》授权推广，全文下载请点击文末“阅读原文”。

1.引言

在二语习得领域中，语音是学习者口语能力的重要基础。汉语作为一种声调语言，其语音系统不仅包含常见的音段成分元音、辅音，还包括音高、音长和音强等丰富的超音段成分。对于非母语者而言，同时掌握汉语的音段和超音段是一项极具挑战性的任务。近年来，随着语音合成技术的发展，研究者得以通过精确操控语音的不同成分，系统地探究不同语音成分的作用，进而为二语语音习得与教学提供具有针对性的指导。但在汉语二语习得领域，关于音段与超音段成分如何作用于语音可懂度的研究仍有待进一步深入。

2.研究背景

语音学界关于二语者的可懂度概念由来已久，最早可追溯至现代语音学先驱人物斯威特，他指出，普通的二语学习者所需掌握的言语能力包括足够的词汇和语法结构、一定的流利度以及确保可懂的语音准确性（Sweet, 1899）。近年来，随着二语习得理论与二语教学的发展，人们逐渐认同二语者的语音无需遵循传统意义上的母语标准原则（nativeness principle），苛求其努力达到母语者水平，而是达到“可懂”“可理解”“可接受”即可。二语者适度的外语口音逐渐被接受，只要不影响理解和交际，便不再是严重的问题。由此，学界提出可懂度原则（intelligibility principle），这被认为是外语教学发展过程中的重要转向（Levis, 2020）。当前，随着国际中文教育学科和事业的不断发展，汉语二语使用者乃至非汉语母语者教师的数量不断增多，语音的可懂度必然会成为汉语教学和评估的重要标准。

要评估学习者语音的可懂度并非易事。听者可能完全理解或完全没有理解言语，也可能处在任一中间值上，甚至听者有时会错误地判断他们实际理解的程度，或是无法判断自己的理解正确与否，可能意识到说话人的某些话语是较难理解的，却认为自己正确理解了，这种潜在的误解给可懂度的测试评估带来了诸多挑战（文秋芳，2019）。直至 Munro 和 Derwing 展开了一系列研究，详细界定了可懂度的分析方法（Munro & Derwing, 1995），受到学界的广泛认可。可懂度评估的常见方法包括转写、完形填空、回答问题、口头复述等任务，其中转写任务是最常用的可懂度测试方法，要求听者将听到的内容尽可能完整地转录下来，然后计算听者转写正确的词数（Munro & Derwing, 2006）。不过，二语者的言语能否被理解、能被理解多少，实际上受到诸多因素的影响，已有研究分析指出，语言因素是其中的重要因素（Suzuki & Kormos, 2020）。

作为语音的两大方面，音段和超音段在外语语音学习中的重要性一直是习得研究中的经典论题。有研究者从教学经验出发，强调超音段成分对言语理解有重要影响（Chela-Flores, 2001），还有研究者列出重点语音项目表，指出如果学习者不能掌握词汇重音和句重音，即使能发出完美的音段也无济于事（Fraser, 2001）。另一方面，也有不少研究者认为音段成分之于二语者语音可懂度的影响更大（Rogers & Dalby, 2005），还有研究者从实证研究的角度进行实验，通过对学习者语音进行滤波，只保留超音段信息，发现听者仍能感知外语口音，但由于过滤了音段信息，该研究没有进行言语理解实验（Munro, 1995）。Jenkins (2002)通过分析非英语母语者交际失败的语料，确立了一组核心发音特征，称之为通用语共核，主要涵盖音段层面的项目，由此认为音段尤其是辅音会对可懂度产生重要影响，应作为学习重点。随着语音技术的进步，语音合成技术可以实现将音段和超音段信息分离，合成样本进行实验。一系列实验结果表明，音段成分较之超音段成分对二语语音可懂度影响更大（Winters & O’Brien, 2013; Sereno et al., 2016）。目前，汉语二语相关实证研究尚不多见，张林军（2015）聚焦语音因素，对英语、日语母语学习者进行言语理解实验，结果表明，音段对言语理解的作用更大，但其讨论限于非声调背景学习者。陈默等（2021）对俄罗斯汉语学习者的外语口音感知实验发现，音段和超音段都会影响口音感知，但该研究未涉及语音可懂度指标。杨春生等（2022）对中高级汉语学习者朗读语料中不同类型错误进行分析，认为声调错误是最强预测因素。王璐、刘元满（2023）深入汉语音段内部进行计算，指出不同音段对可懂度的影响程度不同。

综上所述，学界对于音段、超音段成分与语音可懂度的关系还没有取得一致的结论，特别是对不同水平和母语背景的学习者而言，结论可能不同。为此，本研究选取了两种水平、两类母语背景汉语学习者，分别是莫拉节奏型、音高重音语言日语和重音节奏型、声调语言泰语，通过语音合成技术进行音段和超音段成分的替换，展开可懂度实验，考察以下问题：（1）音段和超音段成分对汉语二语者语音可懂度的影响是怎样的？（2）对不同母语背景和语言水平的汉语二语者而言，音段和超音段成分对可懂度的影响有无差异？

3.研究方法

3.1 发音人及材料录制

本研究的汉语学习者发音人共有 20 位，年龄 18~26 岁，根据语言水平和母语背景可分为四类：高水平日语母语者、低水平日语母语者、高水平泰语母语者、低水平泰语母语者，每类各 5 人。高水平二语者为通过了 HSK5 级，《欧洲语言共同参考框架》（以下简称《欧框》）自评汉语水平为 C1 或 C2；低水平二语者为 HSK3 级及以下，《欧框》自评汉语水平为 A2 或 B1。此外，还有 4 位汉语母语者发音人，普通话水平为二甲及以上。

为专门考察语音因素对可懂度的影响，本研究构造了一组无意义短句材料，以排除句子语境对言语理解的影响。材料符合以下特点：（1）句子句法合法且结构一致，结构均为“主语（名词）+谓语（动词）+‘了’+定语（形容词）+‘的’+宾语（名词）”；（2）句子语义无意义，一方面保证同一句中的四个关键词在 BCC 语料库中从未在同一句话中共现，另一方面经由 10 名母语者对句子是否有意义进行评估（评分范围 1~10 分，1 分无意义，10 分有意义），均分 1.6 分，可以确认构造的实验材料均为无意义句；（3）语料涵盖汉语声母、韵母、声调，能够全面反映汉语二语者的语音特点；（4）控制词语难度较低，词汇均为 HSK4 级及以下难度。最终构造的 10 个无意义短句如下：

①动作生病了认真的地图。②包子喜欢了自由的电视。

③天气吃下了奇怪的车票。④手表参加了勇敢的水果。

⑤知识看到了合适的富翁。⑥考试帮忙了好听的节日。

⑦裙子相信了绿色的希望。⑧午饭回答了努力的学校。

⑨飞机问好了困难的桌子。⑩耳朵说话了活泼的选择。

实验使用 Audio-technica 麦克风及 Adobe Audition 3.0 软件进行录音，采样频率 44100 赫兹，16 位，单声道录制。要求发音人使用平稳语速朗读句子，不出现语义强调和情感色彩。每位发音人将 10 个句子读 3 遍，24 位发音人共获得 10 × 3 × 24 = 720 个母本样本。

3.2 实验材料合成

（1）母本选取

为选取各类样本中具有代表性的样本作为语音合成的母本，我们对上述样本进行了声学分析，音段方面，计算了音段错误比例，超音段方面，分析了语速和调域，结果参见表 1。依据分析结果，最终选出每个类别中最接近均值水平的 10 个句子作为代表性母本，共计 10 × 5 = 50 个母本。

（2）语音合成

本文采用 Praat 软件 Vocal Toolkit 插件，将母本与目标音的超音段信息（时长模式和基频曲线）进行交换，实现母本原有音段特征不变，而获得被替换句的超音段信息。基于上述 5 类母本，我们通过音段和超音段替换合成了 8 组样本，共获得 13 组样本，每组样本 10 个句子，共计 130 个实验样本。本文用 C 表示汉语母语者，J₁ 和 J₂ 分别表示低水平和高水平日语母语者，T₁ 和 T₂ 分别表示低水平和高水平泰语母语者，se 表示音段（segment），su 表示超音段（suprasegmental）。例如，CseJ₁su 是合成汉语母语者音段和低水平日语母语者超音段信息的样本。部分实验材料语图参见图 1，全部实验样本情况参见表 2。

3.3 听音人及实验过程

参加实验的听音人被试均为汉语母语者，年龄为 18~32 岁，普通话水平为二级甲等及以上，为排除语言经验的影响，本研究选取的被试均非语言学专业背景，且对日、泰母语者的汉语口音不熟悉。所有听音人都不作为发音人参与实验材料的录制，所有发音人也都不作为听音人参与实验。听音人为 13 组，每组 20 人，共计 260 名被试。

为避免练习效应、控制实验时长，每组被试只参加一种实验材料的可懂度实验。实验在基于 Python 开发的工具包 PsychoPy 软件中在线进行，要求被试佩戴耳机在安静环境下将听到的句子尽可能完整地转写出来，每个句子只播放一遍，可以暂停播放进行转写，但不能回放语音反复理解，刺激材料按照随机顺序呈现。正式实验开始前有练习部分，练习部分数据不纳入正式实验结果。整个实验过程大约需要 10 分钟。

3.4 数据分析

可懂度分数计算方法如下，只对实词部分正确率进行计算，虚词不纳入计算，可懂度分数为实词部分正确转写的字数占比。为考察音段和超音段对汉语学习者可懂度的影响，本文使用 R 4.4.3 软件进行统计分析。由于 13 组样本数据处理涉及两种水平、两类母语背景学习者以及汉语母语者的音段、超音段成分，因素比较复杂，因此，我们对不同水平和母语背景学习者分别进行方差分析，具体如下：

(1) 对低水平日语母语者而言，需对 CseCsu、CseJ₁su、J₁seCsu、J₁seJ₁su 四组样本可懂度数据进行 2×2 双因素方差分析，第一个因素是音段（se），有汉语母语者（C）、低水平日语母语者（J₁）两个水平，第二个因素是超音段（su），同样有 C、J₁ 两个水平；

(2) 对高水平日语母语者而言，需对 CseCsu、CseJ₂su、J₂seCsu、J₂seJ₂su 四组数据进行 2×2 双因素方差分析，第一个因素是 se（C、J₂），第二个因素是 su（C、J₂）；

(3) 对低水平泰语母语者而言，需对 CseCsu、CseT₁su、T₁seCsu、T₁seT₁su 四组数据进行 2×2 双因素方差分析，第一个因素是 se（C、T₁），第二个因素是 su（C、T₁）；

(4) 对高水平泰语母语者而言，需对 CseCsu、CseT₂su、T₂seCsu、T₂seT₂su 四组数据进行 2×2 双因素方差分析，第一个因素是 se（C、T₂），第二个因素是 su（C、T₂）。

4. 研究结果

4.1 日语母语者可懂度

通过对所有听音人对每个语音样本的可懂度分数进行一致性分析，得到 Kendall’s W 系数均大于 0.8，表明其一致性高，听音人的个体差异可以不计，因此可以对可懂度分数取平均值，将所有听音人的平均分作为每个语音样本的最终分数。按语言水平和母语背景进行分组分析，数据通过夏皮洛-威尔克检验，确认各组分数符合正态分布（p>0.05），Levene 方差齐性检验结果显示，自变量任一分类中因变量都具有等方差性（p>0.05）。

汉语母语者与日语母语者相关样本可懂度分数分布总体情况参见图 2。

为考察音段和超音段对低水平日语母语者可懂度的影响，我们对汉语母语者及低水平日语母语者相关样本（CseCsu、CseJ₁su、J₁seCsu、J₁seJ₁su）进行音段、超音段双因素方差分析，结果如下：音段的主效应显著 (F(1,36)=356.892,p<0.001,η2=0.908)，超音段的主效应同样显著 (F(1,36)=28.637,p<0.001,η2=0.443)，但效应量低于音段，表明汉语母语者与低水平日语母语者的音段和超音段特征对可懂度均有显著影响，但前者影响更大。音段和超音段的交互作用不显著 (F(1,36)=3.909,p=0.056,η2=0.098)，表明音段与超音段对可懂度的影响相对独立。

对高水平日语母语者而言，对相关样本（CseCsu、CseJ₂su、J₂seCsu、J₂seJ₂su）进行音段、超音段双因素方差分析，结果显示：音段的主效应显著 (F(1,36)=24.997,p<0.001,η2=0.410)，但解释力低于低水平组；超音段（su）的主效应同样显著 (F(1,36)=84.583,p<0.001,η2=0.701)，表明超音段对高水平学习者的可懂度影响更强。二者交互作用不显著 (F(1,36)=1.474,p=0.233,η2=0.039)，与低水平组一致。

4.2 泰语母语者可懂度

汉语母语者与泰语母语者相关样本可懂度分数分布总体情况参见图 3。

为考察音段和超音段对低水平泰语母语者可懂度的影响，我们对汉语母语者及低水平泰语母语者相关样本（CseCsu、CseT₁su、T₁seCsu、T₁seT₁su）进行音段、超音段双因素方差分析，结果如下：音段的主效应显著 (F(1,36)=178.494,p<0.001,η2=0.832)，超音段主效应同样显著 (F(1,36)=20.863,p<0.001,η2=0.367)，但效应量小于音段。音段和超音段交互作用不显著 (F(1,36)=0.200,p=0.657,η2=0.006)。

对高水平泰语母语者而言，对相关样本（CseCsu、CseT₂su、T₂seCsu、T₂seT₂su）进行音段、超音段双因素方差分析结果显示：音段的主效应显著 (F(1,36)=66.116,p<0.001,η2=0.647)，音段影响显著但解释力低于低水平组。超音段的主效应显著 (F(1,36)=47.089,p<0.001,η2=0.567)，效应量略低于音段。二者交互作用不显著 (F(1,36)=0.120,p=0.731,η2=0.003)。

总的来看，对于不同水平的日语、泰语母语者而言，音段和超音段的主效应是一致的，均对二语可懂度有显著影响。比较不同水平学习者可以发现，超音段的影响随学习者水平提高而增强（日语母语者η2η2 从 0.443 升至 0.701，泰语母语者 η2η2 从 0.367 升至 0.567）；音段的影响随学习者水平提高而减弱（日语母语者 η2η2 从 0.908 降至 0.410，泰语母语者 η2η2 从 0.832 降至 0.647）。比较不同母语背景学习者可以发现，对日语母语者而言，低水平者音段的影响更大 (η2:0.908>0.443)，高水平者音段的影响更小 (η2:0.410<0.701)；对泰语母语者而言，低水平者音段的影响更大 (η2:0.832>0.367)，高水平者同样是音段的影响略大于超音段 (η2:0.647<0.567)。

5. 讨论

5.1 音段与超音段成分共同影响可懂度

本研究通过合成语音样本的可懂度实验，深入探究了语音内部的音段和超音段成分如何影响汉语二语者的语音可懂度。实验结果明确发现，音段和超音段成分在言语理解过程中均扮演着不可或缺的角色。我们观察到，无论是针对音段还是超音段成分的替换操作，均会带来二语者可懂度数据的显著变化，这一发现进一步验证了音段和超音段成分在构建汉语二语语言能力中的重要性。

前人研究主要集中于对英语音段、超音段成分之于可懂度影响的讨论（Trofimovich & Isaacs, 2012; Winters & O'Brien, 2013; Sereno & Jongman, 2016），研究结果大多表明音段成分对可懂度的影响更大。本研究则扩展了对声调语言为目的语在不同母语背景类型学习者中的，实验证明了音段和超音段成分之于汉语二语可懂度都有重要意义。值得注意的是，在英语这类非声调语言中，超音段信息本身并不在单词层面区分意义，这就不难理解音段成分较之超音段成分对言语理解具有更为重要的作用。与此相对，汉语作为声调语言，不同声调之间依靠音高曲拱的变化能够区分意义，音高模式在语音系统中承担着和音段成分类似的音位功能，因此音高问题可能带来信息传达的偏差。不过，也有研究者设计实验，将汉语句子的基频曲线拉平，再对其可懂度进行考察，结果发现丢失基频信息的汉语句子和原句的可懂度差异并不大（Patel et al., 2010）。这并不是说音高信息对于汉语的言语理解不重要，而是听者能够通过语境补全句子的基频信息。后有研究发现，在有噪音的非理想环境中，失去基频信息的汉语句子可懂度将会大大降低（Wang et al., 2013; Chen et al., 2014）。然而，真实的交际环境往往有背景噪音，对二语者而言，噪音环境下进行语义推测的难度更大。因此，本研究设计了无意义句进行实验，一定程度上撤除了语境对言语理解的作用，听者进行言语理解加工时难以依赖语境推测语义，从而能够更好地反映语音成分对可懂度的影响。

在传统的汉语教学中，往往存在重音段而轻超音段的现象。据调查，仅有60%的国际中文综合教材（王璐，2020）和67%的语音教材（Zhu, 2019）专门介绍了超音段知识，在实际教学中更是鲜有安排（曹文，2022）。本研究证实了二语语言能力的发展不仅局限于对音段成分的掌握，还要求二语者能够深入理解并有效运用超音段层面的特征。还有其他二语研究也支持了这一观点，一项对汉语母语和法语母语的荷兰语二语者的研究发现，音段和超音段成分的影响相当，二者都对言语理解具有重要意义（Caspers & Horloza, 2022），因此超音段和音段成分在语音教学中不应割裂开来。

5.2 语言水平与母语背景调节相关因素对可懂度的影响程度

本研究发现，虽然音段和超音段均对二语学习者语音可懂度有显著贡献，但其具体影响程度在不同水平、不同母语背景类型学习者中有所不同。本文分析发现，对低水平日语母语者、低水平泰语母语者、高水平泰语母语者而言，音段对可懂度的作用更为显著；而对高水平日语母语者而言，超音段成分对可懂度的影响更大。

(1) 语言水平的调节

已有英语二语研究指出，可懂度相关因素会受到二语者语言水平的调节。比如，Isaacs 和 Trofimovich (2012) 的研究表明，流利度对较低水平的英语二语者而言更为重要，而语法和语篇因素对高水平英语二语者更重要；Saito 等人 (2016) 对不同水平的英语二语者语言特征的研究发现，语速、词汇等因素能够区分初级和中级水平学习者，而音段和语法正确度能够区分中级和高级水平学习者。这种对不同水平二语者的考察，能够在一定程度上反映二语习得发展的规律，也能为不同阶段的语言教学提供参考。本研究中，对日语母语者和泰语母语者语言的声学分析也发现，对泰语母语者来说，高水平二语者调域跨度大于低水平者，但对日语母语者来说，高低水平二语者调域相近，这能够表明对高水平的日语母语者来说，汉语的音高模式仍然是语音习得的难点。因此，初级阶段的语音教学可以优先解决音段层面的问题，在二语学习者达到一定水平后，就需要对更大语言单位上的时长、音高模式等超音段成分进行重点练习，有的放矢，从而有效提高学习者的语音可懂度。

同时，本研究还注意到，对高水平的二语者来说，虽然他们已经解决了绝大部分的音段问题，但仍然有少量音段错误，不过，当我们替换掉这些音段错误，可懂度的变化相对较小，可见它们对言语理解的影响是比较有限的，说明这部分音段对可懂度的影响是比较小的，这与 Kang 和 Moran (2014) 的结论相似，他们发现，高水平的英语二语者依然存在着一定比例的音位错误，而这些音位往往在系统中的地位比较低，因此对语音可懂度的影响较小。

(2) 母语背景的调节

还有不少研究指出，不同母语背景对二语可懂度相关联的具体因素产生了影响。比如，Crowther 等人 (2015) 的研究发现，汉语母语者的英语二语可懂度主要受音段影响，即地母语者则受词汇语法因素影响，这充分体现了母语背景在其中的作用。以下从本研究涉及的学习者母语背景所属语言类型进行简要分析。

根据语言中不同音高变化模式的类型，世界语言通常分为重音语言、声调语言和音高重音语言 (Yip, 2007; 张林军, 2015)。重音语言的音高不区别词义，通常用词内音强对比或在语篇层面用重音表达一定的信息结构，如英语和许多欧洲语言；声调语言用音节的音高变化模式区别词义，如汉语普通话、泰语、越南语等；音高重音语言则是以词内的音高差异形成对比，如日语 (Hyman, 2006; Nespor et al., 2011)。世界语言依据时长模式或节奏类型通常分为三类，一是音节节奏型语言，如汉语，每个音节长；二是莫拉节奏型语言，如日语，每个莫拉等长；三是重音节节奏型语言，如泰语，每个音节时长不同，但重读音节时间等长 (Dauer, 1983)。

从有无声调的角度来看，泰语母语者为声调语言背景，日语母语者为音高重音语言，两类学习者在调域跨度上的差异能够反映出其二语产出音高模式的不同特点，声学分析结果显示，泰语母语者的调域大于日语母语者，更接近汉语母语者，体现出声调语言母语背景习得新的声调语言具有一定的习得优势。因此，同为高水平学习者，泰语母语者较之日语母语者，能够较为熟练地掌握汉语的超音段特点，相比之下，超音段成分的作用对泰语母语者而言，其重要性程度相对较低。从本研究实验结果来看，对高水平的泰语母语者，超音段成分的替换依然会带来可懂度的显著变化，这可能与节奏类型不同有关。

本研究所探讨的母语背景属于莫拉节奏类型语言和重音节类型语言背景学习者，习得音节节奏类型语言的情况。尽管我们尚不能将音高和时长模式的信息分离开来，因为当时长模式发生改变时，音高曲线必然随之发生改变，但结合声学分析结果和语音可懂度水平的总体变化，我们不难发现，尽管高水平泰语母语者的音高数据接近汉语母语者水平，但超音段成分的替换仍然会带来可懂度水平的显著变化，由此可以推知，音高和时长模式实际上共同作用于可懂度的变化，这也为二语者母语背景的节奏类型与语音可懂度的关系提供了间接的证据。

6. 结语

本研究通过合成语音样本开展了汉语二语可懂度实验，为深入理解语音内部音段与超音段成分对汉语二语者语音可懂度的影响提供了证据支持。实验结果表明，音段和超音段成分共同作用于汉语二语者语音可懂度，但学习者母语背景和语言水平会调节其影响程度。总体而言，音段成分对汉语二语者语音可懂度的影响尤为显著，而超音段成分亦不容忽视，特别是对高水平二语者而言。这一发现凸显了音段和超音段成分在不同学习阶段的重要性，并启示我们在教学实践中，可融合语音技术，通过可视化的方式呈现音段特征及时长、音高模式，以助力学习者精准把握汉语超音段知识与技能。

本研究亦存在一定的局限性。如目前实验材料限于真词无意义陈述句，未来研究可进一步拓展至更多句式类型，特别是不同焦点重音的句式，以全面剖析音段和超音段成分在不同句式结构下对语音可懂度的具体贡献。此外，下一步研究可进一步扩大学习者数量与类型，进而对研究结论进行更为广泛的验证与拓展。

作者简介

陆 尧

个人简介：陆尧，女，北京大学中国语言文学系/教育部北京大学语言学实验室研究员，北京大学语言学及应用语言学专业博士。曾任教于荷兰莱顿大学、任职于中国人民大学。主要研究实验语音学、语言认知与习得、数字人文等，在Journal of Phonetics、《语言文字应用》《民族语文》《语言学论丛》《中国音乐》《华文教学与研究》等国内外高水平期刊上发表论文十余篇，主持国家社科基金项目、北京市社科基金项目与中央统战部项目各一项。

王 璐（通讯作者）

个人简介：王璐，北京大学博士，南京师范大学国际文化教育学院教师。主要研究方向为实验语音学、数字人文、国际中文教育。在《世界汉语教学》《语言教学与研究》《民族语文》《华文教学与研究》《大学图书馆学报》、Journal of the IPA等期刊发表论文多篇。

本文来源：《华文教学与研究》

比特人文

投稿邮箱：dhbase@126.com

扫码关注 获取更多资讯

图片

阅读原文

跳转微信打开

  •  
  • ↗️
✇12 - 南京师大比特人文公众号
↗️

学界讯息｜首届中国语言学青年学术大会

徐惠 2026-02-06 17:00 江西

2026年5月北京将办首届中国语言学青年学术大会，现征文。

转载自“传播汉语”图片

首届中国语言学青年学术大会

“首届中国语言学青年学术大会”将于2026年5月16-17日在北京召开，会议由中国社会科学院语言研究所主办，中国社会科学院语言研究所青年工作组和科研处承办。会议主题为“新时代中国语言学的新视野与新使命”，核心议题包括：中国语言学自主知识体系构建，人工智能与语言研究的范式变革；中华优秀语言文化传承与传播，国家语言战略，跨学科视野下的语言研究，数智时代的语言生活与治理。现面向全国征文，具体事项如下：

一、征文对象

45周岁以下（1981年1月1日后出生）从事语言学研究的青年教师、研究人员、博士后；在读博士、硕士研究生（需经导师推荐）。

二、论文要求

1. 只接受全文投稿；

2. 具有原创性、前瞻性和理论性，未在其他出版物发表；

3. 篇幅不超15000字（英文不超15000词），提要不超500字（英文不超500词）；

4. 格式请参照《中国语文》执行；

5. 文后请附作者信息（姓名、单位、职称/学历、研究方向、联系方式；在读院校、导师姓名等）；

6. 以word格式提交，有特殊字体或符号，请附PDF文档；

7. 文档以“论文题目+作者姓名”命名。

有意参会者请于2026年3月15日前将论文发送至会议邮箱：youthlinguistics@cass.org.cn。

论文实行匿名评审，会议学术委员会确定最终录用论文及拟邀请参会学者名单。

会议联系人：

张   亮  15600799216

周业兵  13126690237

欢迎参会！

比特人文

投稿邮箱：dhbase@126.com

扫码关注 获取更多资讯

图片

阅读原文

跳转微信打开

  •  
  • ↗️
✇12 - 南京师大比特人文公众号
↗️

新著 | 刘洋《文学计算导论》

刘洋 2026-02-05 17:00 江西

以下文章来源于：四十二史

四十二史

本公号致力于推介高水平科幻学术论著和前沿研究，并发布科幻文艺批评、世界科幻动态、社团活动消息。

 四十二史

 科幻春秋

《文学计算导论》

内容简介

《文学计算导论》是一部深入探讨文学作品量化分析方法的专著。它系统介绍了文学计算这一领域，从 19 世纪的手工文本统计分析到数字时代利用计算机技术的系统研究方法，不仅回顾了历史渊源，还探讨了如何通过数学模型、特征量建构、数字细读等方法解析文学作品，以揭示其内在的隐藏结构和普遍规律。全书覆盖了作者归属与风格分析、人物关系网络、计量叙事研究、文学文本的情感计算、文本分形结构分析及最新的人工智能技术在文学研究中的应用等多个方面，全面展示了文学计算这一前沿的跨学科领域的发展现状和未来潜力。

本书适合数字人文、文学、语言学、自然语言处理、复杂系统等领域的研究者以及对文学计算感兴趣的研究生和本科生阅读。

作者简介

刘洋，知名科幻作家，物理学博士，重庆大学人文社科高等研究院研究员，中文系副教授，创意写作基地副主任。在国内外发表科幻作品200万余字，出版短篇小说集4部，长篇小说3部，部分被翻译为英语、德语等在国外出版，6次获得全球华语科幻星云奖。主要研究方向为数字人文、创意写作，主持国家自然科学基金与国家社会科学基金项目各一项，在各类核心期刊发表论文20余篇，出版著作《科幻创作》《科幻创作的未来版图》等。

绪论

文学计算（Literary Computing），即通过计量的方式进行文学作品的挖掘、分析、比较和批评，是当前方兴未艾的数字人文潮流的一个重要组成部分，但其传统和源流又远远早于数字人文这一概念所通常涵盖的时间范围。在19世纪末，欧洲和美国的一些科学家就已经尝试通过量化的方式，对文学作品进行分析，这可以看作是最早期的文学计算研究。显然，这一领域属于典型的跨学科研究，对文本的数字化和特定要素的读取涉及信息科学，对数据的计算涉及统计学，对数据中隐藏模式和结构的提取涉及物理学，对作品中角色或创作者的性格、精神的量化分析涉及心理学，对文本中地理分布和变迁路径的提取和可视化呈现涉及地理学，等等。

从事过句长研究的统计学家乌德尼·尤尔

跨学科研究固然是令人兴奋的，因为它打破学科的边界，通过新的视角和范式来处理既有的问题，往往能带来新的洞见，但也带来了新的困惑、怀疑和批评。特别是那些尝试在人文学科与自然学科之间架设有效联系和方法论桥梁的努力，尤其容易遭受各方的质疑。正如查尔斯·珀西·斯诺在《两种文化与科学革命》的演讲中提到的那样，科学与人文之间“存在互不理解的鸿沟”。作为一名科学家与作家，斯诺常常白天和科学家同事们一起工作，晚上则又和文学家朋友们聚在一起，因此他深刻地体会到在当时的社会环境中，文学家和科学家之间的互不理解甚至是厌恶、敌意。我非常理解斯诺的这种感受，因为我本身是做物理研究出身的，在我学术生涯的初期，我主要从事凝聚态物理学研究。与此同时，在读研究生的时候，我就开始创作科幻小说，并一直持续至今。也正因为我对科幻小说的喜爱，后来，我从理学院转到人文学院，开始接触到更多人文学者和文学理论。我发现，斯诺所说的鸿沟，在今天并没有弥合，因为两类学者的基本学术素养、关心的问题和研究的范式都截然不同。但与斯诺所说不同的是，今天的两类学者之间似乎并没有太多敌意了，因为随着人文学科在话语权利结构中的整体收缩，两者连产生敌意的基础都已经失去了。

查尔斯·珀西·斯诺

事实上，在文学与自然科学的交融进程中，我们可以大致区分出两种学科跨越的方向，每一种都引起了众多争议。一种是将自然科学的概念引入文学理论中，但抛弃了其数学上的复杂结构，而是仅将其作为一种类比物，以帮助阐明某种特定的理念、结构和关系。例如，当丹尼尔·奥尔布赖特使用“波浪美学”分析叶芝的诗歌时，他只是借用量子力学中微粒和波之间的模糊关系，阐释某些诗歌文本所具有的特征，比如内部边界的丧失、主客体与主体间界限的丧失等。他并不是说，诗歌的内部结构与波具有数学上的同构性，因此，自然也不能将涉及波的一系列数学公式套用到诗歌结构分析之中。显然，这类学科跨越的方式通常由人文学者发起。在后现代文化理论中，我们还可以找到很多这样的例子，比如让-弗朗索瓦·利奥塔对不确定性原理的借用、让·鲍德里亚对熵的借用、雅克·拉康对拓扑学概念的借用，等等。这种做法在自然科学界引起了一些不满，比如物理学教授艾伦·索卡尔及其合著者在一本书中就批评道：“自然科学并非仅是可供人文科学随时取用的隐喻库。”

艾伦·索卡尔、让·布里克蒙：《时髦的空话》

另一种跨越方式则是由自然科学家主动发起。他们将原本属于自然科学的研究范式引入文学研究领域，发展出实证的、量化的文学研究。这个过程中有时候也会借用一些科学概念，比如信息熵、温度等，但这类借用并不只是将概念作为某种隐喻，而是伴随着其数学结构的引入。比如，对文学文本的信息熵的计算，使用的正是香农给出的公式，而当我们讨论文本的温度时，其背后的机制也正是热力学中的麦克斯韦-玻尔兹曼分布。在20世纪后半叶，随着计算机的出现和自然语言处理算法的发展，对文本的读取、数值统计和数学建模变得更为方便，这类量化研究就逐渐变得流行起来。本书所涉及的内容大部分即是这一类的研究。为了与文学史考证等实证型研究相区别，我们统一将其称为文学计算。

麦克斯韦-玻尔兹曼分布

对文学计算的批评主要来自人文学界，他们的意见大致可以分为三类：其一，文学文本来自具有主观性的人类，其中并不具有如物理学那样的客观规律；其二，量化研究只是复现了一些我们早已经知晓的结论，并没有提出和解决有意义的文学问题；其三，大部分文学计算研究只是基于词频的模式分析，其数据不足以支撑它所声称的结论，或者说，文学文本和文学概念在计算过程中被简单化了。

对于第一类批评，已经有大量的研究结果可以作为反驳的案例。从齐普夫定律到最近基于情感计算的文本叙事模式划分，大量的研究都显示，在看似随机和主观的文本中，的确存在着某些客观的规律。这一点很好理解，因为作家的写作过程并非完全自由，他会受到诸多客观条件的限制：正确的语法、叙事的惯例、词汇的有限性，等等。它们就像一个封闭的箱子一样，将大量的随机运动的分子约束在一起，虽然每个分子的运动轨迹是很难预测的，但作为一个整体，这个体系却呈现出很多可以量化的特征，比如压强、温度、平均自由程、动能分布函数等。

关于词频分布的齐普夫定律

第二类和第三类批评事实上指出了当前文学计算研究应该努力的方向。也就是说，多做探索性而非验证性的工作，而且尽量超出词频、句长等简单指标，对高层次文学概念进行更精细的数学建模，以处理真正的文学问题。当然，要进行探索性的工作，通常就需要处理新的概念和新的问题，自然也就需要进行复杂特征量的建构。所以，从某种程度上来讲，这两个问题是一体的。

必须承认，在高层次文学概念和可计量的特征量之间建立稳定而有效的连接并不容易，但也绝不是不可能完成的任务。例如，在本书的第四章，我提出了一种对叙事节奏进行量化表征的方法。在文学计算领域，叙事研究一直相对匮乏。因为叙事研究中的要素难以量化，带有强烈的主观性，所以比其他文本特征更难处理。例如，研究文体风格、人物关系网络、情感分析等可以分别通过词频统计、对话关系、情感词典等手段实现量化，但叙事风格、手法、场景等要素的界定方式则极为模糊。在传统的叙事学研究中，通常需要根据叙事场景的切换，将文本划分为不同的叙事单元，这种工作通常只有具备较高文学素养的专业人员才能完成，因为叙事场景之间或许并不存在天然的分割线，要让计算机准确分辨是十分困难的。但是，基于叙述的两种形式——展示和告知——来体现出叙事节奏的特征，可以绕开场景划分的障碍。具体来说，我设计了一种算法，可以将这两种叙述形式进行自动识别，从而得到了一条叙述形式的时间序列。基于这个时间序列，通过傅里叶变换等数学手段，就可以从中提取出与叙事节奏相对应的特征量。

经傅里叶变换后的叙事节奏谱

比起自然科学领域的概念，比如温度、动量等，文学概念的量化不仅更难以处理，而且这些可计量的特征量与传统的文学概念在匹配时往往具有与自然科学概念不同的三种特性。其一，非精确性，也就是说两者并不是精确契合的。比如我之前提到的对叙事节奏进行量化的特征量，其本质上来源于从叙述形式时序数据中提取出的频谱峰。虽然其与叙事节奏具有较强的关联，但这毕竟只是一个间接的匹配方案。此外，实际的频谱图通常是一个连续谱，其中的峰值可能并不显著，呈现出一个平台状结构，这也会影响到对峰值数据的提取。所以，从概念到数据，这中间其实经过了多次近似过程。其二，非唯一性，也就是说用于表征某个文学概念的特征量并非只有一种形式。比如对于“词汇丰富度”这个概念，用以表征它的特征量就有数十种之多，从最简单的型-例比，到特征量K，乃至文本的信息熵，等等。其三，非普适性，也就是说这些特征量并不是在任何情况下都适用的。比如我们刚才提到的特征量K和信息熵，在表征词汇丰富度时，它们都具有一个难以克服的缺陷，即对雷同文本的不敏感。如果我们将同一段文字重复一遍合并成新的文本，那么根据两者的计算公式，其计算结果和单一文本是完全相同的，而这显然是不合理的。这意味着，对于具有较多雷同片段的文本来说，用特征量K和信息熵来作为词汇丰富度的指标是不合适的。

弗兰科·莫莱蒂：《远读》

在人工智能算法迅速发展的今天，我们越来越强烈地感到，文学计算研究不仅是可行的，而且是必要的。这种必要性至少体现在两个方面。其一，传统的文学细读方法无法处理当前迅速涌现的巨量文学文本。除了由传统出版社出版的纸质书籍，还有数量远超前者的网络文学作品——其每部作品的文本长度也几乎比前者大一个数量级。其二，人工智能文本生成正在逐渐进入人们的生活，其在大部分制式文章的写作上都取得了较好的效果，但在文学创作领域仍然很不成熟。从已有的一些基于大语言模型的小说写作实验来看，其主要缺陷可以归纳为一点，就是缺少“文学性”。比如，它的叙事节奏很不稳定，在很多不重要的细节上花费大量笔墨，而在关键情节上却一笔带过；它的比喻和描写都极为平庸，没有新奇性和创造性；它的人物缺少鲜明的个性和深刻的行为动机；故事情节的套路化痕迹极为明显；等等。克服上述这些缺陷的方法，就是加入一个文学插件，或者定制专业的文学创作大模型。想要向计算机系统传达何谓“文学性”，自然需要采用计算机的语言——也就是数字化的、量化的表述，这正是文学计算研究所要做的。当我们能用量化的方式对比喻、隐喻、风格化的描写、叙事节奏等文学概念进行表征以后，它们就可以作为一些重要的控制指标参与到文本生成算法之中，帮助其增强生成内容的文学性。 

然而，即使在当前这个普遍数字化的时代，进行文学计算研究的困难仍然是巨大的。除了来自领域本身的巨大挑战，教育体系、学科壁垒等社会层面的客观障碍也不容忽视。从高中开始的文理分科，一直到大学和研究生期间的专业教育，都与文学计算研究所需要的跨度极大的知识结构相违背。而很多大学和研究机构在行政和科研上的简单粗糙的学科化管理，也让跨学科研究变成一件吃力不讨好的事情。因此，虽然口头上不断喊出跨学科的口号，但实际上却形塑出了一种不鼓励跨学科研究的氛围。如何在学生培养和制度管理上克服这些障碍，是当前发展文学计算这类跨学科领域所必须思考的问题。

事实上，打破专业和学科的界限，不仅是文学计算的需要，也是当今众多跨学科研究和前沿领域发展的需要。希望本书可以在跨学科研究的方法和路径上为各领域的研究者提供一些有益的参考。

图片来源网络，如有侵权，请联系删除

责任编辑：黄艺宸

您可能还想看

四十二史

宇宙的未来/现在/过去

长按二维码关注

阅读原文

跳转微信打开

  •  
  • ↗️
✇12 - 南京师大比特人文公众号
↗️

李宇明：语言学应努力为社会提供语言红利

徐惠 2026-02-04 17:05 江西

李宇明文回顾语言学贡献与成果，展望数智时代使命，提学科优化以增语言红利。

本文转载自：今日语言学

语言学应努力为社会提供语言红利

李宇明李宇明

《中国语文》2026年全新改版，李宇明教授大作作为第一期首篇文章，系统总结新中国成立以来中国语言学经世致用的巨大成就，为新时代学科建设和创新发展鼓与呼。

——《中国语文》总编王锋

提要：本文把语言学作为研究对象，提出语言学的根本任务就是帮助解决社会发展中语言问题的主张，遵循“从语言生活中来，到语言生活中去”的研究范式，在语言生活中寻找学术靶点，并把学术成果用于解决语言生活问题，满足语言生活需求，推动语言生活进步，从而促进社会进步。文章回顾了1949年以来语言学在语言统一、语言文字现代化、语言国情把控、语言教育等四个方面为中国社会发展做出的重要贡献，总结了最近二十年来语言生活研究在八个方面所取得的成效，展望了数智社会中语言学在语言数据研究、机器语言智能测试与解释、语言智能产品应用、语言职业新格局、数智时代语言生活言说等方面的新使命。新使命需要学科优化，语言学应打破当前以语文学为基础、以语种和语言结构为基本框架的学科设置，加强学科内外沟通和学科交叉发展，重视语言学共同体的建设。通过学科优化提升语言学的学科地位，扩大语言学在学科间的学术穿透力和对社会的影响力，让语言学为国家、为人民提供更多的语言红利，包括社会红利和经济红利。

关键词：语言学  学科建设  语言生活  学术共同体  语言红利

中国古代语文学为社会发展做出过巨大贡献，如《说文解字》《切韵》《干禄字书》《康熙字典》等历代的字书韵书，奠定了传统文化的基础，发挥了“经艺之本、王政之始”（许慎《说文解字叙》）的作用。1892年切音字运动发轫、1898年《马氏文通》出版，开启了中国语言规划和中国语言学的现代历程（周有光《切音字运动百年祭》，《语文建设》1992年第5期。王海棻《〈马氏文通〉研究百年综说》，《中国语文》1998年第5期）。一百多年来，中国语言学发扬经纶济世的优秀传统，在中国从半封建半殖民地社会蝶变为现代化大国的进程中，做出了应有贡献。

习近平总书记在2024年9月的全国教育大会上强调，要“构建以各学科标识性概念、原创性理论为主干的中国哲学社会科学自主知识体系”（习近平《加快建设教育强国》，《求是》2025年第11期）。本文根据构建“自主知识体系”的精神，回顾1949年以来语言学为中国社会发展做出的主要贡献，包括二十年来在语言生活研究方面所取得的成效，探讨语言学为社会提供语言红利（社会红利和经济红利）的重要途径，并展望智能时代语言学应承担的新使命，提出优化语言学学科建设的若干浅见，以提升其学科地位和服务社会的学术能力。

1

语言学的社会贡献

中华人民共和国1949年成立至今已经走过七十多年的光辉历程。语言学伴随着国家的发展而发展，且为国家发展、社会进步做出了重要的学术贡献，贡献了巨大的“语言红利”（王均主编《当代中国的文字改革》，当代中国出版社，1995年。苏培成主编《当代中国的语文改革和语文规范》，商务印书馆，2010年。费锦昌主编《中国语文现代化百年记事（1892—2013）》，商务印书馆，2021年。项开喜《中国共产党与百年语言文字事业》，《中国语文》2021年第4期）。在学术大变局的当下简要梳理一下这些贡献，可以在一个新高度上再次认识语言学在促进国家发展、社会进步中的价值（包括物质价值和精神文化价值），再次审视语言学与社会的关系，进一步明确解决社会发展中的语言问题这一根本使命。

1.1 助力国家实现语言统一

在白话文运动、国语运动、简体字运动的基础上，新中国进一步确定了民族共同语的标准并大力推广，实现了国家的语言统一。在1955年召开的“全国文字改革会议”“现代汉语规范问题学术会议”两次会议的基础上，国务院1956年发出了《关于推广普通话的指示》。这是一次重要的语言地位规划、语言本体规划和语言学习规划。1982年《中华人民共和国宪法》第十九条规定“国家推广全国通用的普通话”，这是第一次把推广普通话法治化，但普通话的国家地位还是隐含的。2000年《中华人民共和国国家通用语言文字法》颁布，确定普通话和规范汉字为“国家通用语言文字”，并较为详细地规定了使用、管理和监督的一系列法条。这又是一次重要的语言地位规划，明确了普通话的国家通用语言文字的法律地位，也明确了国家通用语言与其他语言和汉语方言的关系。由此可见，语言地位规划不是一次完成的。

七十多年来，国家通用语言的一些重要标准通过本体规划逐步形成：

语音规范：北京音系；

文字规范：规范汉字，以《通用规范汉字表》（2013）为基准；

词汇规范：以北方方言为基础，以《现代汉语词典》为核心；

语法规范：典范的现代白话文著作所蕴含的语法体系；

语体规范：现代白话文；

注音拼写规范：《汉语拼音方案》。

历史上，汉语只有统一的书面语，因方言分歧而没有统一的口语。现代的语言统一，特别是近七十来年的语言统一，首先是口语的统一，截至2022年全国普通话普及率已经达到80.72％（教育部“教育这十年‘1+1’系列发布会”，第六场：介绍党的十八大以来语言文字事业改革发展成就，http://www.moe.gov.cn/fbh/live/2022/54618/mtbd/202207/t20220705_643272.html。近来，普通话普及率可能达到85%左右）；其次是整理和简化汉字，确定白话文文体，使书面语更加规范高效。语言统一对社会的贡献主要有以下几个方面：第一，保证国家各领域信息畅通；第二，因统一语言的使用而不断增进集体共识，增强国家和中华民族的认同；第三，改变语言和方言的“碎片化”格局，开拓统一市场，方便经济信息和技术传播，搭建中国经济发展金桥；第四，在国际上代表国家行使语言职责，促进中文的国际传播。

1.2 促进语言文字现代化

现代化是一个时间概念，不同时期有不同的现代化标准和任务。二十世纪五十年代至七十年代，语言文字现代化的主要任务是规范化。八十年代以后开始提出标准化、信息化的任务。标准化是从工业化角度对规范化提出的新要求，是由人用规范发展为工业生产用的规范，也是信息化发展的基础。随着人工智能的发展，特别是大语言模型的问世，“数智化”或“智能化”成为语言文字现代化的新任务。这一现代化进程，不仅是语言文字本身的现代化，更是语言文字应用的现代化，亦即语言技术、语言媒体的现代化，满足有声媒体、网络媒体、人工智能的技术需求，以及其从业人员的相关需求。

语言文字及其应用的发展，语言技术是重要的推动力。在利用电波处理语言信息的进程中，语言技术推动语言文字及其应用发展的巨大作用更加显著，也显示出语言规划、语言学对语言技术、语言媒体发展的重要作用（李宇明《语言技术对语言生活及社会发展的影响》，《中国社会科学》2017年第2期）。

语言文字现代化的社会贡献是：第一，国家通用语言拥有了全媒体、融媒体的现代媒体阵势，特别是帮助11亿网民过上了网络语言生活（2025年1月17日，中国互联网络信息中心（CNNIC）发布第55次《中国互联网络发展状况统计报告》。《报告》显示，截至2024年12月，中国网民规模达11.08亿人，互联网普及率升至78.6%），使中文在世界格局的竞争中占据有利地位；第二，为语言文字的信息处理、智能处理奠定了语言数据、语言技术等基础，为“人-机-机-人”的现代语言交际模式做了准备；第三，语言文字现代化受惠于社会现代化，同时也是社会现代化特别是社会信息化、智能化的强大助力。

1.3 把握语言国情

了解中国的民族语言、汉语方言状况和语言使用状况，是二十世纪三十年代以来中国语言学的重要任务。二十世纪五六十年代，汉语方言研究有效帮助方言区的普通话学习，民族语言的识别与调查奠定了民族语言研究的基础。其后有一系列的重要成果问世，如：《中国语言地图集》（1987年），《普通话基础方言基本词汇集》（1996年），《现代汉语方言音库》（1992年—1999年），《中国语言文字使用情况调查资料》(2006年)，《中国的语言》(2007年)（中国社会科学院、澳大利亚人文科学院编《中国语言地图集》，（香港）朗文出版（远东）有限公司，1987年。陈章太、李行健主编《普通话基础方言基本词汇集》，语文出版社，1996年。侯精一主编《现代汉语方言音库》，上海教育出版社，2003年。中国语言文字使用情况调查领导小组办公室编《中国语言文字使用情况调查资料》，语文出版社，2006年。孙宏开、胡增益、黄行主编《中国的语言》，商务印书馆，2007年），“中国语言资源有声数据库”(2008年—2014年)，“中国语言资源保护工程”(2015年至今)，《中国语言生活状况报告》（2005年至今）（国家语委组织编写的系列丛书，商务印书馆出版，自2005年至今已出版二十年）等。这些研究成果的价值是：第一，基本了解中国的语言（包括汉语方言）状况，持续追踪了解语言文字的使用状况，为语言政策的制定奠定国情基础；第二，更新语言调查技术和调查规范，培养语言调查研究人才，建立语言和方言的识别与划分理论（曹志耘《我国大规模语言调查的成就与启示》，《中国语文》2023年第6期）；第三，树立语言资源理念（苏新春《语言资源观：语言生活派的一个重要基础理论》，《语言战略研究》2025年第5期），建立可永久保存的规模巨大的多模态的中国语言资源数据库；第四，这些行动和理论产生了重要的国际影响。

1.4 推动语言教育

中国语言学最近七十多年最为显著的发展，是建立了较为系统的学科体系，虽然今天看来这一学科体系还不完善。中国的语言学发展从来与语言教育血肉一体，许多重要的语言学著作都是为教育而做，或曾经作为教材，甚至就是课堂讲义的整理，如马建忠《马氏文通》、黎锦熙《新著国语文法》、王力《中国现代语法》、岑麒祥《语言学史概要》、朱德熙《语法讲义》等。

语言教育是关乎社会福祉与发展的重要教育，当年的扫盲教育意义重大。全民语文知识的普及也影响深远。1951年6月6日，《人民日报》发表《正确地使用祖国的语言，为语言的纯洁和健康而斗争！》的社论，同时开始连载吕叔湘、朱德熙合写的《语法修辞讲话》，共刊载46次。《新华字典》《现代汉语词典》的编纂，也是帮助全民用好语文知识的基础工程。中小学语文教育是中国语言学的传统领地，用力最勤，贡献最多。在盲文、手语设计和特殊教育、语言康复领域，语言学更是起到了支柱性作用。外语教育，特别是改革开放以来的外语教育，不仅培养了大批外语人才，也使国人眼界大开，有助于中国走向世界。海外华文教育、国际中文教育，使中华语言文化走出国门，逐渐成为当今世界的公共文化产品。这些语言教育的社会意义是：第一，提升了国民文化素养，现今文盲率仅为2.67%，为国民和国家发展打下了文化基础；第二，帮助特殊人群融入主流社会，共享知识与文明；第三，提升了国家处理海内外事务的语言能力；第四，维系海外华裔的语言文化认同，推动中华语言文化的海外传播。

语言学学科建设、语言文字事业发展为国家所做的贡献难以尽述。此处的重点，不是要把这些贡献全部一一列举，而是要以此显示语言学与国家发展、与社会进步的关系，特别是要凸显语言学的社会功用与使命。

2

在语言生活中寻找学术靶点

科学萌芽很早，但科学真正成为社会分工的一个重要部门，只是十六世纪以来近几百年的事情。语言学萌芽起码可以追溯到古希腊、古印度和古中国，但语言学成为科学，按照传统的说法，国际上是十八世纪比较语言学的兴起，中国是十九世纪末的《马氏文通》问世。

从事科学研究离不开探求真相、探讨真理的兴趣，社会支持一部分人从事科学生产，并使其成为一个重要的社会部门，是为了让科学帮助解决社会发展中的问题，包括物质世界的问题、社会问题和精神世界的问题（李宇明《语言学研究：问题的“问题化”》，《东北师范大学学报（哲学社会科学版）》2020年第5期）。这是科学的本源问题，解决这些问题是科学的社会使命，称为A类问题。科学部门成立之后，分化为不同的学科，于是又衍生出一系列的学科问题，称为B类问题。社会要支持学科发展，需要通过评审来明确支持谁不支持谁，于是又派生出C类问题。ABC三类问题当然各有侧重，也各有其价值，但本质上是有一致性或优先性的，那就是解决好A类问题。因为A类问题是科学的本源问题；解决学科问题是为了发展学科，发展学科也是为了能更好地解决A类问题；对学科进行评审，本质上也是评价学科解决A类问题的能力和作为。语言学也面临ABC这三大问题，处理好这三大问题，关键在于关注语言生活。

2.1 关注语言生活

最早提及“语言生活”的文献，是罗常培、吕叔湘先生在1955年10月“现代汉语规范问题学术会议”上所做报告《现代汉语规范问题》（罗常培、吕叔湘《现代汉语规范问题》，现代汉语规范问题学术会议秘书处编《现代汉语规范问题学术会议文件汇编》，科学出版社，1956年），虽然在这一文献中，“语言生活”还带有引号，是个临时用法。在1961—1965年的《文字改革》杂志中，有4例相关用法。在二十世纪七十至九十年代，“语言生活”的使用逐渐增多，发展为一个学术术语。进入二十一世纪，特别是《中国语言生活状况报告（2005）》的编纂出版以及2006年“构建和谐语言生活”成为国家语言文字事业的重要工作目标之后，“语言生活”也成为语言规划研究领域的基础性术语。李宇明根据现在语言生活的状况这样定义“语言生活”：“语言生活是运用、学习和研究语言文字、语言知识、语言技术的各种活动。”（李宇明《语言生活与语言生活研究》，《语言战略研究》2016年第3期）这是一个较为宽泛的定义，几乎包含了人类社会发展中的所有语言问题，可以看作语言学的A类问题。

语言学的B类问题，笔者以为主要有三：第一，探索语言规律；第二，促进语言的社会应用；第三，建设语言学学科。后两个问题与语言生活的关系比较明显，建设语言学学科属于语言研究生活，促进语言的社会应用就是促进语言生活的进步，而语言规律与语言生活的关系如何看则受制于语言观。语言是结构与功能的统一体，语言研究自然要研究结构，研究语音、词汇、语法、文字，研究方言的结构，研究语言古今结构因素的演变，研究语言之间的结构因素的接触，而且也要研究语言的功能，研究语言如何言说世界，研究语言如何助人做事改变世界。语言结构研究主要是language（语言）的研究，在中国常被称为“本体”研究，而语言功能研究则主要是discourse（话语）的研究，包括哲学意义上的“语言行为”“言说”的研究。即使是language的本体研究与语言生活也有密切关系，而语言功能的研究，亦即discourse（话语）、语言行为、言说等研究，基本都在语言生活的范畴之中。事实上，七十多年来国际语言学界发生的“话语转向”也越来越明显，社会语言学、功能语言学、话语分析、互动语言学、语言行为学等，都与“话语转向”相关（徐赳赳《话语分析二十年》，《外语教学与研究》1995年第1期。方梅、李先银、谢心阳《互动语言学与互动视角的汉语研究》，《语言教学与研究》2018年第3期。陶红印《当代多模态互动的转向与汉语功能语言学的发展展望》，《语言文字应用》2025年第2期）。沈家煊也赞成“言语是语言之本”的说法（沈家煊《语法研究也要重视拉波夫》，《语言战略研究》2025年第5期）。如此说来，语言学的B类问题与A类问题也基本相同，也是要解决社会发展的语言问题，亦即语言生活问题。

2.2 中国近二十年的语言生活研究举隅

近二十年来，语言生活研究成为一批中国学者的自觉学术追求，不仅做了学术理论和研究范式的探讨，还努力解决语言生活的问题，促进语言生活进步，帮助社会获取“语言红利”（郭熙《七十年来的中国语言生活》，《语言战略研究》2019年第4期。李宇明《语言生活研究与中国语言学的历史使命》，《昆明学院学报》2023年第1期。李宇明《二十年来的中国语言生活研究》，《语言战略研究》2025年第1期。苏新春《语言资源观：语言生活派的一个重要基础理论》，《语言战略研究》2025年第5期）。其中有许多可圈可点的研究，例如：

1）语言生活的监测研究。2004年国家语言资源监测与研究中心成立，语言监测主要采用新兴起的语料库研究手段，监测领域由平面媒体逐渐扩展到有声媒体、网络媒体、教育教材、少数民族语言及海外华语，每年的监测成果通过教育部、国家语委的新闻发布会和《中国语言生活状况报告》发布出来，并在年末举行的“汉语盘点”向社会发布年度字、词、流行语、新词语、网络用语等标志性数据。二十来年的语言生活监测，用大数据证明了“千字万词”即可满足语言生活的基本需求；发现了汉语“每年千词”的新词语生产能力，且新词语以三音节为主；支持了语文教材、国际中文教育教材、语文辞书的编纂，并为“规范汉字表”等规范的研制提供了参考。此外，还利用网络技术和舆情监测的理论与方法，监测语言舆情和语言热点，认识语情的发生发展规律，协助语情处理，发挥资政作用。

2）“语言生活皮书”系列的编纂出版。《中国语言生活状况报告》（俗称“绿皮书”）是最早编纂、影响最大的语言生活皮书，已经持续编纂二十年，且有英文版7卷、日文版4卷、韩文版5卷，俄文版1卷。海外许多图书馆有收藏，国际学术杂志有评论，许多学者有引用。在绿皮书之后，还编纂了《中国语言政策研究报告》（俗称“蓝皮书”），以反映和引导语言生活领域的学术研究；编纂了《世界语言生活状况报告》（俗称“黄皮书”），以反映世界各国、国际组织的语言生活，使国人能够“正眼看世界”；编纂了《中国语言文字事业发展报告》（俗称“白皮书”），系统介绍国家和地方的语言文字事业发展状况，发布一些重要的统计数据。此外，还组织编纂了《北京语言生活状况报告》《广州语言生活状况报告》《上海语言生活状况报告》《粤港澳大湾区语言生活状况报告》《闽台语言生活状况报告》《中国语言服务发展报告》等皮书，展示了一些地区和领域的语言生活景观，体现了区域语言学、领域语言学的学术理念。“语言生活皮书”系列的持续编纂，记录了二十年来中国语言生活的现实状况、中国语言生活的研究状况，同时也是国内外了解现代中国的重要资料。

3）国家语言资源的调查与保护。语言调查是语言研究的基本手段，也是中国语言学的传统作业。用语言资源理念统领语言调查，是2007年开始论证的“中国语言资源有声数据库建设”和2015年开始启动的“中国语言资源保护工程”。这两个调查，调动了全国的汉语方言学、民族语言学及信息科学界的力量，将方言学、社会语言学、类型学、语料库语言学的原理及中国语言调查的传统经验融为一体，形成了一套科学有效的技术规范和工作规范（《中国语言资源保护调查规范》系列、《中国语言资源保护工作规范》），建起123个语种及其主要方言的有声数据库（王锋《新的语言观与科学保护各民族语言文字实践》，《西北民族大学学报（哲学社会科学版）》2016年第2期。曹志耘《我国大规模语言调查的成就与启示》，《中国语文》2023年第6期）。这两个前后连贯的语言资源调查活动，不仅是用语言普查式的理念深入了解语言国情，为中国语言文化的保存保护打下了坚实基础，而且其技术和标准可以进一步用于边境语言调查，并可作为世界语言调查的参考。把握世界语言状况，了解世界语言知识，参与世界语言规划，是“大国学问”“大国之为”，只有世界大国，才有此需要，有此视野，有此学力。语言资源的调查与保护，需要从中国延伸到世界，可编纂出“万国语言志”一类的大制作。

4）国家语言能力的建设。语言能力研究过去只涉及个人的语用能力，直到二十世纪九十年代才有人提出国家语言能力问题，且主要涉及的还是国家的外语能力。近十几年来中国学者在语言能力领域用功最勤，收获较大（李宇明《试论个人语言能力和国家语言能力》，《语言文字应用》2021年第3期）。根据“以言行事”的语言观，个人语言能力可看作“个人用语言完成人生事务的能力”。个人要发展“三语”（包括“准三语”）能力，既要重视国家通用语言的学习，也要维持汉语方言和民族母语的能力，还要掌握一两门外语。国家语言能力是“国家处理海内外各种事务所需要的语言能力”，其中最重要的是掌控语言资源的能力和话语言说能力。语种能力是掌控语言资源的基础，应熟练掌握世界上最为重要的20来种语言以获取新知，能够使用200来种语言参与全球治理。话语言说能力，特别是行政、外事、军事安全、新闻舆论、科技教育、经济贸易等六大领域的话语言说能力，能向国内外很好表达欲言之事，实现沟通与互信，用言说推动社会进步。

5）语言扶贫和语言助力乡村振兴。贫困是全人类当然也是中国都在长期应对的重大社会问题。在中国减贫脱贫的征程中，学界积极参与，发挥语言扶贫之力。面向贫困地区编纂有针对性的多媒体普通话读本，搭建多个网络学习平台，开发适用的普通话测试标准及软件，大批志愿者深入贫困地区开展语言扶贫工作。同时还开展了一系列的学术研究，从语言能力与人力资本、语言教育与贫困代际阻断、语言与技术传播和生产要素流动等角度，研究语言扶贫原理，总结语言扶贫经验，精准开展语言扶贫。“语言扶贫”是共和国发展史上的浓重一笔，更是中国语言学史上的神来之笔。在巩固脱贫攻坚成果的基础上，国家又开始做乡村振兴这篇大文章。将语言扶贫成果同乡村振兴有效衔接，又成为语言生活研究的新课题，探讨乡村语言资源的收集保护和开发利用，做好乡村振兴背景下的乡村语言规划。

6）应急语言服务。每逢灾害发生，应急救援都需要提供翻译等语言服务。2008年汶川地震，2010年玉树地震，应急救援的语言服务问题更加凸显。2020年，新冠疫情暴发，语言学界迅速行动，利用语言生活研究积攒起来的语言资源和人力资源，及时研发了《抗击疫情湖北方言通》《疫情防控外语通》《疫情防控“简明汉语”》（李宇明、赵世举、赫琳《“战疫语言服务团”的实践与思考》，《语言战略研究》2020年第3期）。2022年成立国家应急语言服务团，应急语言服务迈入常规发展阶段，开展了法律法规建设、应急语言调查、《突发事件应急术语实用手册》编纂、救援现场应急语言服务演练、国际应急语言服务等。应急语言服务的理论研究也在深入，提出了应急语言服务的语言沟通、语言抚慰和应急语情监测等三大功能，应急语言服务应关注现场救援、社会大众和国际社会等三大场域，做到“平时备急，急时不急”。应急语言服务事关国家应急救援、韧性城市建设和国家安全，体现着语言学人的学术道德与社会使命。

7）语言经济与语言产业发展。语言不仅具有交际和思维的属性，也具有文化和经济等功能。从经济和产业的角度去看待语言，在数智时代尤为重要。《国家语委“十二五”科研规划2011年度项目指南》首次把“语言经济与语言产业发展战略研究”列为重要的科研方向。二十多年来的语言经济、语言产业研究，从四个方面揭示了语言的经济功能：第一，语言能力是劳动力构成的重要要素，特别是在服务业等非体力劳动行业，在数字经济成为重要经济形态的时代；第二，语言是经济活动的参与者、协调者，在技术与经济信息的传播、生产要素流动、统一市场的形成等方面发挥着重要作用；第三，语言产业是国家经济的重要组成部分，呈现各种业态，孕育各种语言职业，提供有形或无形的各种语言产品，满足社会的语言需求；第四，语言数据是数字经济的关键生产要素，加持着新质生产力的发展，数字经济赋予语言以生产力的性质。

8）大华语与海外华语传承。华人踏浪出海在海外形成华族，华族既使用汉语方言，也使用超方言的华语。随着近几十年来新华人移居欧美和非洲等地，以及海外华语与国内汉语的协调互动，传统“华语”的概念已显不足，于是产生了“大华语”的概念。在宏观思考全球华语问题、全球语言问题中，大华语几经定义，概念逐渐明晰。大华语是指“以普通话/国语为基础的全世界华人的共同语”，各华语社区存在多种华语变体，目前各华语变体正在向着趋近趋同的方向发展。在大华语观念的指导下，国内外专家合作编纂了《全球华语词典》和《全球华语大词典》；邢福义先生领衔开展“全球华语语法研究”，已出版《全球华语语法》的香港卷（田小琳主编）、马来西亚卷（郭熙主编）、美国卷（陶红印主编）和新加坡卷（周清海主编）。这些研究把语言生活的学术触角从国内延伸到海外，用世界眼光看待全球华人的共同语及华语变体，对华语教育的认识更为自觉，世界华语的研究范式也随之更新（李宇明《世界汉语与汉语世界》，《中山大学学报（社会科学版）》2021年第3期）。

2.3 “从语言生活中来，到语言生活中去”的研究范式

上面这些例子，体现了“从语言生活中来,到语言生活中去”的研究范式，在实践中了解世界、认识世界，进而改造世界。

语言生活是研究的出发点，亦是研究的归宿地。研究需要问题驱动，但这问题不是来自“面壁”的觉悟，也不是来自某个理论的推演或某部著作的提示，而应来自语言生活的现实，是语言生活中的真问题。这就需要深入语言生活，具身了解语言生活，像费孝通先生那样“用双脚做学问”，发现语言生活中需要解决的问题，在语言生活中寻找“学术靶点”。

语言生活中发现的问题是“源问题”，需要把来自社会的源问题转化为学术问题，实现问题的“问题化”（李宇明《语言学研究：问题的“问题化”》，《东北师范大学学报（哲学社会科学版）》2020年第5期）。“问题化”起码需要考虑三点：其一，研究价值。在确定课题的研究价值时，学界经常看的是学科价值，这自然很需要，但是并不充分，还需要听听学科之外的看法，看他们能否理解或认可这个课题的意义。这种价值判断法可称为“两个评判人”的办法。语言学这些年的许多研究，同仁都认为很有价值，但是并未获得社会认可，未得到社会支持，未发挥理想的社会效益，这是值得反思的。其二，有无研究先例。把语言生活中发现的源问题，与学科曾经处理过的问题关联起来，将源问题植入一个相关相近的学术体系中。一旦把问题纳入一个学术体系，就可以用学术的办法来处理。如果在现有学术体系中无法找到其位置，还可以考察邻近学科有无处理相似语言问题的经验，以为借鉴。当然也可以建立全新的学术框架以应对新问题。其三，有效的研究方法。语言研究的方法库中已经有大量积累，且许多研究方法还有专门技术与装备的支撑，随着科技的进步，语言研究还会使用更多的新方法新手段。方法是解决问题的利器，对方法应抱积极态度。但是，方法也不是可供炫耀的奢侈品，有效的方法便是最好的方法，不可助长“技术主义”。

语言生活也是研究成果的最佳验证处。研究结论如何，不仅要用传统的学术评审办法来评价，比如专家评审会、论文刊发杂志的等级等，还应在语言生活检验中进行评价，看是否切合实际，解决问题的方略举措是否有效，在语言生活检验中不断完善研究。研究成果不仅要接受语言生活的检验，而且也需把成果返还到问题来源处去发挥作用，利用学术、政策、产品等多种手段，解决语言生活问题。在研究成果接受检验、付诸应用的同时，又是发现新问题、产生新冲动的开始，又是一个研究的新起点。如此循环往复，推动研究螺旋式前进。

当然，语言生活研究也需要注意成果的学术化、学科化，形成理论和方法，让研究成果进入课程、教材等人才培养体系，通过人才培养以发展语言科学。通过持续努力，也可能发展出新的学科分支甚至新的分支学科，形成新的学术流派。放眼语言学史，许多交叉学科、学术流派，都是在解决社会语言问题中发展起来的。这种研究范式，便于统筹解决语言学的A类问题与B类问题。

3

数智时代语言学的新使命

“信息化、数字化”本来是两个颇为时髦的词语，但随着大语言模型的横空出世，这两个词语似乎已不能准确表达时代特点，而要用“数智化”或“智能化”方可言说到位。近些年，国家面对人工智能积极布局，提升对人工智能的基础支撑能力，实施“数据要素×”“人工智能+”行动，推动人工智能与经济社会各行业各领域的广泛深度融合，重塑人类生产生活范式（例如：2017年，国务院发布《新一代人工智能发展规划》；2018年，教育部发布《高等学校人工智能创新行动计划》；2023年，中共中央、国务院印发《数字中国建设整体布局规划》；2023年12月，国家数据局会同16部门联合印发《“数据要素×”三年行动计划（2024—2026年）》；2024年，工业和信息化部等4部门联合印发《国家人工智能产业综合标准化体系建设指南（2024版）》，教育部印发《关于加强中小学人工智能教育的通知》；2025年3月，教育部、国家语委、中央网信办印发《关于加强数字中文建设推进语言文字信息化发展的意见》；2025年8月，国务院发布《关于深入实施“人工智能+”行动的意见》）。

当前，驱动人工智能发展的主要是数据。就此而言，数据决定着人工智能发展的水平与速度，也成为数字经济的关键生产要素。人工智能及数据产业的发展，“数据要素×”“人工智能+”行动的实施，不仅在加速社会及技术的进步，也将深刻影响语言生活和语言研究（李宇明《人机共生时代的语言数据问题》，《华中师范大学学报（人文社会科学版）》2023年第5期。王春辉《语言智能与语言数据研究二十年》，《语言战略研究》2025年第3期）。对这种影响，需要及时关注、研究，并促其良性发展（刘海涛《数智时代语言规划须顺势而为》，《语言战略研究》2024年第5期）。

3.1 语言研究的新取向新功用

数智时代为语言学提供了一些新课题，语言学也能够为数智时代的发展做出独特贡献。例如：

1）语言数据研究。驱动人工智能发展的数据，80%以上都是语言数据。有支持通用大语言模型发展的通用型语言数据，也有特殊行业、特殊人群、特殊场域的支持专用大语言模型发展的专用型语言数据。语言数据的生产、交易、应用是一个庞大的产业链，不同环节上的语言数据表现为不同形态的语言产品，具有不同的价值，需要根据特定的标准进行加工、检验和认定（李宇明、梁京涛《语言数据的生产要素功能与产权制度构建》，《语言教学与研究》2024年第2期。）。比如语言数据库建设过程中的多模态语言数据的采集、整理、标注、建库、集成等，语言数据交易中的确权、确价、上市交易等，语言数据转化为各种智能产品中的技术开发、产品应用、市场推广、售后服务等。认识语言数据产业链的构成及运行规律，研究产业链各环节的标准制定、语言产品认定、语言数据人才培养及相关的法规、伦理等问题，充分发挥语言数据作为科技要素、生产要素的“乘数效应”，已成为语言学的重要课题。语料研究是语言学的传统项目，但以往的语料研究是面向语言学的，面向语言信息化的，而今需要面向语言智能化。

2）机器语言智能的测试与解释。现今大语言模型输出的语言，基本上合乎词汇、语法、篇章规范，很少有语言错误，这是令人吃惊的。可以说，母语使用者、外语学习者，经过十数年的学习都难以达到如此水平。人类输出的语言与机器输出的语言有何异同？人类的语言学习、人脑的语言运作与机器的语言学习、语言运作有何不同？过去语言学研究的基本上是自然语言（也研究了手语、旗语、符号语言等），探究的是自然语言的特性及其大脑、神经运作机理，而今语言为两个“物种”所使用，机器也是语言使用者，可输出语言，可与人对话，机器输出的语言、机器语言行为及其语言运作机理，成为语言学研究的新对象（袁毓林《人工智能大飞跃背景下的语言学理论思考》，《语言战略研究》2023年第4期）。

然而，人们对机器的语言输出也表现出较多不满，主要是机器“幻觉”问题。它似乎“无所不知”，但也常“信口雌黄”，说出没有根据、不合实情、缺乏情感的话语。这就需要使用者具有鉴别能力，或是通过一个强大可信的优质知识库来校验其输出，而且也需要思考，“幻觉”是大语言模型的学习方式造成的根本缺陷？通过学习方式的改变是否可以有所改善？能否通过人类“调教”或改进语言数据的供给而减弱其幻觉、减少其“信口雌黄”的语言行为？

大语言模型不仅具有“幻觉”，而且还具有不透明性。人类至今还不知道它是如何思考的，它究竟知道些什么，这就需要采取一定手段对大语言模型进行测试。这种测试，各个学科都在行动，几乎发展为一种学问。语言学在测试方面有其独特的价值，比如测试大语言模型具有的语言学知识，包括语言交际所需要的常识，如空间常识、时间常识、数量常识、人伦常识等（詹卫东、孙春晖、肖力铭《语言学知识驱动的空间语义理解能力评测数据集研究》，《语言战略研究》2024年第5期）。

3.2 智能产品的应用普及

以大语言模型为代表的智能终端、智能体等智能产品的应用普及，正在赋能、孕育各种新质生产力，促进智能经济和智能社会的发展。语言学应关注其应用，支持其应用。

1）在语言研究中的应用。大语言模型在文献搜集、知识库建构与检索、语料统计与遴选、文图转换甚至文稿草拟等方面，都可为研究者提供帮助。积极探索、实施人机协同的语言学研究模式意义重大。研究手段的更新，必能产生新的语言学成果，甚至产生语言学新的分支学科（袁毓林《人工智能大飞跃背景下的语言学理论思考》，《语言战略研究》2023年第4期。王春辉《语言智能与语言数据研究二十年》，《语言战略研究》2025年第3期）。

2）智能产品的社会应用。科学可以成为第一生产力，科研成果可以较为及时地转入社会应用。智能产品的应用，多数要通过人机对话来实现，“人机对话”能力已成为智能时代新的语言能力，也是语言教育的新内容。人机对话的中介是“提示语（Prompt）”，提示语的使用水平直接关系到智能产品给出回答的质量。研究提示语的内容结构，研究提示语与机器输出的关系，提升社会各领域、各人群使用提示语的水平，提升对机器回答进行整理、甄别和再行加工润色的能力，成为语言学的新课题。提示语工程师的培养，全民人机对话能力的教育，成为语言学的新任务。

3.3 语言职业的新格局

语言职业是从事语言知识、语言技术（艺术）、语言产品生产的职业，是语言产业的支撑力量，是语言转化为生产力的关键要素，也是语言学人才的主要就业领域，因而应成为语言学关心、研究的对象。语言职业研究主要有两个方面：

1）职业的语言能力标准。每个语言职业都需要一定的语言能力，研究各语言职业所需要的语言能力，制定语言能力标准，据此对就业人员进行测试与培训。数智时代，语言职业都要涉及语言数据、语言智能等问题，需要有一些新的指标要求，需要进行增能培训。

2）语言职业的格局变化。新的语言技术、语言产品的出现，必然形成或消减一些语言产业，导致一些语言职业产生或消亡。电报员、电话接线员、打字员等职业的产生与消失，便是例证。速录师、礼仪主持人、数据标注员、网络主播等是新近产生的语言职业。语言智能也将改变语言职业的格局，产生一些新职业，冲击一些老职业。新职业是逐步形成的，需要敏锐发现、积极培育，制定新岗位的人才规格及考核标准，多途径提供新岗位的人才供给，条件成熟就应进入国家职业分类目录。一些低层面的翻译、咨询、培训、创意、文秘、讲解、校对等工作，预计会受到人工智能的较大冲击。对于逐渐失去活力的语言职业，需要及时进行社会预警，通过培训实现劳动力转移。语言职业的格局变化，牵涉语言产品的社会应用，牵涉语言人才的社会就业，直接牵涉语言学的生存与发展。

 3.4 数智时代语言生活的言说

言说世界是语言的重要功能。数智时代语言生活的言说，就是告诉社会，数智时代的语言生活是什么样子，为何如此，发展趋势如何，个人和社会需要如何适应等。不同学科、许多社会团体都会对数智时代进行言说，但是，以语言学视角对数智时代的言说，只有语言学才合适去做，也只有语言学才能做到。

人工智能是自文字创制、印刷术发明、有声媒体出现、网络技术应用以来人类语言技术发展史上的又一高峰。其前的语言技术都是着力解决语言（文字）的传播问题，而人工智能则试图帮助人脑来处理语言及知识，几乎涉及人类所有的智力活动，改变人类的交际方式、语言和知识的处理方式、甚至思维习惯，从而也改变语言职业的技能要求、语言产业的布局与产品、乃至语言生活的方方面面。面对数智时代新的语言生活，个人的素质和技能需要提升，社会也需要新的语言规划。

进行数智时代语言生活的言说，是对语言学自身能力的巨大考验。这是因为：其一，人工智能处在科学技术前沿，发展迅速，趋势多变，对语言生活的影响也是逐渐显现、且在不断变化之中，把握起来具有难度；其二，我国语言学研究的主要兴趣仍在语言本体，对语言生活关注总体上是不够的，对人工智能也较为陌生，且语言学总体上属于经验科学，以现有材料为基础进行归纳是基本传统，较少进行演绎思维，更不轻易做预测性研究；其三，语言学的表述体系，基本上是本学科可懂的专业性话语，不大擅长将学术进行社会化表述。这些情况表明，对数智时代语言生活这一言说对象要有科学认识，对其发展前景要有科学预测，还需要改善语言学的研究范式和话语方式。当然，话语言说也是一个不断“试误”、不断完善的过程，失误、完善的过程就是认识不断提升的过程。关键是要有言说数智时代语言生活的意识和行动。

4

优化语言学学科建设

优化语言学学科建设，是为了使学科更有能力去解决社会发展中的语言问题。先俯瞰一下中国语言学学科设置的现状，简略分析其局限性，然后不揣谫陋，就其优化问题谈些浅见。

4.1 语言学学科的设置现状与学科冲动

中国的语言学学科设置有三个明显特点：其一，与文学为伍，形成一级学科。这是小学服务经学传统的延续；其二，以语种为纲，汉语、各民族语、英语、法语、日语、俄语、德语、西班牙语等各自分立；其三，主要以语言的结构要素为据，建立学科分支，如语音学、词汇学、语法学、修辞学等，此外还分古代、现代及方言等。这显然是受索绪尔结构语言学框架的影响。

应该承认，这种学科设置发挥了很多积极作用，如大学的中文教育、外文教育，也推动了各种具体语言学的发展，特别是语言本体研究的发展。但是，以语文学为基础、以语种和语言结构为基本框架的设置，已显现许多局限性。比如，学界被语种、结构等要素切分为蜂巢状，将学人分割在一格格的蜂巢中，不便于观全局谋大局，不便于从本体研究走向功能研究，不便于将一人研究利及整个学界。再如，不在一级学科层面设置学科，对内难以统筹规划，致使中国语言研究没有形成要解决的共同问题，没有共同的学术目标；对外不利于学科交叉互惠，不能与其他学科有效交叉，共同培养与语言学相关的社会所需人才。这不仅严重阻碍了语言学的发展，也使其他学科不能便利分享语言学成果，使国家不能很好获取语言学红利。

学界早有打破这种局限性的学科冲动。2009年11月21日在华中师范大学召开“语言学学科建设研讨会”以来，学界及两会提案不停呼吁语言学设立一级学科或学科门类，并提出过许多可供参考的方案（陆俭明、沈阳《关于建立“语言学”一级学科的建议》，《语言科学》2010年第1期。刘丹青、张伯江《时势之必需，学术之大业——设立语言学一级学科的重要意义和学理基础》，《语言科学》2010年第1期。杨亦鸣、徐杰《语言学应该调整为一级学科》，《语言科学》2010年第1期。游汝杰《语言学的学科地位问题》，《语言科学》2010年第1期。李宇明《语言学是一个学科群》，《语言战略研究》2018年第1期）。《研究生教育学科专业目录（2022年）》在教育学门类下设立国际中文教育一级学科，这是打破学科设置局限性的一次重要尝试。以语言资源、语言经济、语言产业、法律语言、儿童语言、老年语言、语言病理、语言与健康、语言与认知等为内容，成立研究单位，设置研究课题，召开学术会议，开设杂志专栏、出版专著等，表现出了学界为打破学科限制而进行的机制性努力（李葆嘉《“新文科教育”的先行足迹：语言科技二十年》，《南京师范大学文学院学报》2023年第3期）。这些学科冲动反映着学术发展趋势，相信最终能够为学位制度设计者所认识，成为学科设置上的体制现实。

4.2 语言学学科建设的优化设想

优化学科建设，首在意识。优化学科建设的目的，亦是优化与否的检验，就是看解决社会发展中语言问题的情况。学界早就流行“社会服务”或“科普”的提法，这种提法有积极意义，但是明显地对A类问题的认识不到位，没有把服务社会、帮助社会解决问题看作学科的首要职责，仿佛是一种“副业”，是余力之为，甚至是一种“学术慈善”“学术施舍”。学界也有“把论文写在祖国大地上”的口号，口号不能仅仅是一种提倡，而应是学术自觉行为。

其次，要有利于打破“蜂巢格局”，在体制和机制上都要方便学科沟通和学科交叉。如果说二十世纪的科学走向是分工精细，那么二十一世纪的科学走向是交叉融合，是多学科联合解决复杂问题（陈平《语言交叉学科研究的理论与实践》，《语言战略研究》2021年第1期）。语言学的学科优化必须在沟通、交叉上多做文章，免得陷入“孤芳自赏”的窘境。

再次，有利于语言学教育和语言教育。语言学教育是语言学学术延续的基本保证。当前看来，中小学有语文课有外语课，大学有中文系、外语系等，但都是在进行语言教育，而不是语言学教育，真正的语言学的学术训练多数是从硕士阶段开始的。与其他学科相比，培养时间开始得太晚，且一些优秀青年学生早流向了其他学科。中小学语文教育的一个重要问题是缺乏学科支撑，语言文字学、文学、教育学没有构成面向中小学语文教学的学科体系，这与中小学数学教育、物理教育、历史教育等的情况完全不同。没有一个统一学科支撑的中小学教育，是不能持续得到学术给养、得到合适人才供给的，是缺乏明晰发展方向的。语言教育除了中小学语文教育、外语教育之外，还有民族语言教育、国际中文教育、华文教育等，各类语言教育之间的学术沟通、乃至语言教育与语言学教育之间的沟通，都是需要学科优化来解决的。

具体的学科优化，起码有两个问题应考虑其中：

第一，改善语言学的学科设置。经过近二十年语言学学科设置问题的学术探讨和工作实践，借鉴世界语言学的发展方向，可以考虑这样的可行思路：

1）现有学科设置基本不动，以稳定语言学的基本盘，维护语言学与文学等学科的传统学术关系。但鼓励建立新的学术方向或分支学科，特别是面向社会有新学术靶向的分支学科，如语文学、乡村语言学、产业语言学、语言健康学、老年语言学、军事语言学等；或是面向现代科学技术发展的，如语言数据学、机器语言行为学、人工智能伦理学等。

2）争取在第14学科门类（交叉学科门类）下设置语言学一级交叉学科，同时鼓励有条件的单位自主设立语言学的一级交叉学科。

第二，加强语言学共同体建设。现代的科研活动都是有组织的社会学术活动，涉及互有分工、互有协作的一群人，形成学术共同体。学术共同体由三个部分构成：

1）科研主体，包括科研工作者、科研机构、学术团体、学术杂志与出版部门等。

2）科研支撑部门，包括科研管理机构、科研基金会、科研评价机构、科研成果社会推广机构等。

3）科研成果应用部门，包括教育、科技产品生产、产品的社会应用等。

就语言学来说，其学术共同体的建设任务重要而急切。语言学科研的四大主体之间沟通早已存在，但并不紧密，特别是语言学社团和语言学杂志的作用还需充分发挥。语言学社团对学人、学科的沟通、帮助、引领作用还有待加强，语言学社团之间也需要建立学术上的关联协同。语言学杂志在科研中的地位空前重要，承担着提供成果发表、促进学术交流、引领学术发展、培养学术队伍、支持学科建设、帮助学界获取社会话语权等学术使命，但似乎语言学杂志与语言学人的关系不如从前亲近、密切。近期，看到《中国语文》《方言》《当代语言学》的改版征稿启事，其中不乏语言生活、语言学人的内容，这些新动向令人瞩目。

语言学的支撑部门与语言学科研主体间的关系越来越直接，越来越重要，几乎关系到语言学的生存空间和发展空间，关系到语言学的学科设置和学科投入，项目的数量及项目设置的合适性，学人和学科评价，学术成果的社会应用等。这些支撑部门多数不是单一支撑语言学的，因此会对语言学在科学体系中的地位进行评判，会对语言学的社会价值进行评价，从而决定该如何支持语言学。让这些部门了解语言学自然重要，更重要的是语言学也可由此了解自己的价值，站在学科之外看学科也是重要的视角。

推动语言知识转化为人才教育价值和市场价值，直接关系到语言学对社会的实际作用。比如语言教师的培养与发展，语言学教材与语言教材的编纂出版，与语言相关专业的就业状况，语言测试产品、自动翻译产品、应急救援语言产品等的研发应用，辞书业、术语业、语言博览业的发展，语言数据库等与信息化、数智化相关的工程建设、人才培养和产品开发，世界各地的中文教学等。语言成果的应用领域，过去主要关注了语言教学、语言测试、辞书编纂等，但并没有将这些应用成果看作语言学共同体的一员，更没有语言产业、语言职业、语言产品意识，这不利于语言学的发展，更不利于语言产业的发展。

总之，具有语言学共同体意识，共同体各方面取得共识，形成发展合力，是优化语言学学科建设、开拓语言学发展空间、提升语言学学科品位的重要举措。

5

结语

语言学研究有狭义和广义之别。研究语言的科学叫“语言学”，以“语言学”为研究对象的叫“语言学学”，属于科学学的范畴，一切影响语言研究的因素均可纳入语言学学的研究视野。语言学与语言学学两者是相辅相成的，以往的语言研究中已经包含有大量语言学学的内容。随着社会发展和科学技术的进步，特别是科学技术进入生产力范畴之后，以及社会对科学技术的评价逐渐加力之后，语言学学的研究就显得重要起来。本文讨论的话题有语言学的，但更多的是语言学学的。由于“语言学学”说出来有点拗口，就如“科学学”一样，在表达上不一定要严格区分语言学和语言学学，但是有语言学学的意识十分重要。

本文回顾了1949年以来语言学在语言统一、语言文字现代化、语言国情把控、语言教育等四个方面为中国社会发展做出的重要贡献，总结了二十年来在语言生活的监测研究、“语言生活皮书”系列的编纂出版、国家语言资源的调查保护、国家语言能力的建设、语言扶贫和语言助力乡村振兴、应急语言服务、语言经济与语言产业发展、大华语与海外华语传承等八个方面所取得的成绩。通过这些回顾和总结进一步认识到语言学的根本任务就是要帮助解决社会发展中的语言问题，因此要关注语言生活，深入了解语言生活，在语言生活中寻找学术靶点，发现新的研究课题，开展富有创新性的学术研究。通过学术研究解决语言生活中的问题，从而促进语言生活的发展，进而也助力社会进步。语言学遵循“从语言生活中来，到语言生活中去”的研究范式，其实这也就是“从实践中来，到实践中去”的范式。

而今，社会正步入数智时代，语言生活正在发生巨变，语言学也将担负起新的学术使命和社会使命，在语言数据研究、机器语言智能的测试与解释、语言智能产品的应用、语言职业新的格局变化、数智时代语言生活的言说等方面，都应有所建树。语言学的当务之急是优化学科建设，在体制和机制上方便学科沟通和学科交叉，鼓励建立面向社会的有新学术靶向的分支学科，重视加强语言学共同体的建设。提升语言学的学科品味，开拓语言学的发展空间，扩大语言学在学科间的穿透力和对社会的影响力，让语言学为国家、为人民贡献最大红利。

图片

来源：《中国语文》2026年第1期

>>>中国社科院语言所网信室编辑

来源编辑：今日语言学 公众号

转载编辑：区域国别学与跨文化研究

比特人文

投稿邮箱：dhbase@126.com

扫码关注 获取更多资讯

图片

阅读原文

跳转微信打开

  •  
  • ↗️
✇12 - 南京师大比特人文公众号
↗️

DMR 2026 评测任务 | UMR 自动解析评测正式发布

徐惠 2026-02-03 00:00 江西

DMR2026 UMR自动解析评测发布，含时间、数据、方式等关键信息。

DMR 2026（The 7th International Workshop on Designing Meaning Representations，第七届语义表示设计国际研讨会）将作为 LREC 2026的官方研讨会，于2026年5月11日至16日在西班牙马略卡岛举办。本次研讨会设置评测任务，由Charles University组织，旨在评估自动生成UMR（Uniform Meaning Representation，通用语义表示）标注的不同方法。

评测关注从文本到语义表示的整体建模能力，涵盖句子级语义图结构、节点属性、语义节点与表层文本之间的对齐关系，以及跨句子的篇章级语义关系。UMR是一种较新的语义表示形式，面向语言学类型差异显著的多语言场景，致力于提供统一、可对齐的语义表示框架。尽管UMR在设计理念上源于 AMR，但在表示层次和标注体系上均存在显著差异。与AMR在CoNLL 2019和2020年评测任务中已得到系统性研究和广泛应用相比，UMR自动解析仍处于起步阶段，相关研究和实践正在开展当中。

01、评测任务官方网站

02、时间安排（Timeline）

  • 2026年2月1日：发布训练集（Train）与验证集（Dev）。

  • 2026年2月16日：发布盲测测试集（Blind test），测试阶段开始。

  • 2026年2月27日：系统输出结果提交截止，测试阶段结束。

  • 2026年3月1日：公布评测结果。

  • 2026年3月15日：系统报告论文提交截止。

  • 2026年3月22日：系统报告论文评审完成。

  • 2026年3月30日：终稿（Camera-ready）提交截止。

03、数据（Data）

本次评测任务训练数据基于UMR 2.1，包含英语、中文和捷克语（以上语言均提供训练集与测试集），可能还会包含其他语言（仅提供测试集），测试数据规模为每种语言约100句。

所有训练集与开发集数据将免费公开，无需注册或签署任何使用协议。此前未公开的测试数据将在评测任务结束后，以相同方式公开发布。

盲测数据集已经完成分词与句子切分；系统输出结果需严格保持输入中的分词和句子切分一致。

04、评测方式（Evaluation）

评测标准包括Smatch和AnCast，以及由任务组织者开发的节点映射算法。详细的评测方案及评测工具将于 2026年2月1日前发布。

评测任务会选用一个主评测指标用于系统排名，同时计算若干附加指标（例如概念识别的F1值），主要聚焦于句子级语义图结构。对于支持相关预测的系统，还将额外评测篇章级关系以及节点与词语之间的对齐关系。

本次评测任务不划分子赛道，所有系统均在同一评测体系下进行评估。

05、参与方式（Participation）

  • 注册（Registration）：

有意参与评测的个人或团队需填写Google Form（链接：https://forms.gle/pc2c7A27TxeHjRKZ7）进行注册。注册无截止日期，但强烈建议尽早注册，以便通过邮件接收重要通知。

  • 提交（Submission）：

参赛者提交的是系统输出结果（解析后的数据），而非系统本身。

【提交入口由Charles University提供，链接将在评测任务官网公布。每次结果提交都会进行自动合法性检查。本次评测任务对所有研究者开放，无任何参与限制。】

06、任务组织者（Organizers）

本次评测任务由 Daniel Zeman 与 Jan Štěpánek（Charles University）共同组织。

两位组织者在自然语言处理领域具有丰富的评测任务组织经验，曾主导或参与多项 CoNLL 与 MRP 评测任务，研究方向涵盖多语言语义角色标注、依存句法分析以及多语言语义表示解析等。

比特人文

投稿邮箱：dhbase@126.com

扫码关注 获取更多资讯

图片

阅读原文

跳转微信打开

  •  
  • ↗️
✇12 - 南京师大比特人文公众号
↗️

“字”从遇见你：国内首家文字学博物馆开放

欢迎关注 2026-02-03 00:00 江西

分享一篇文章

中体佳: “字”从遇见你：国内首家文字学博物馆开放

日前，国内首座以文字学为核心主题的专题博物馆——文字学博物馆正式于海淀树村落成开放。文字学博物馆由中国文化研究会和海淀区政府合作设立，旨在为公众搭建起跨越千年的文字文明对话平台，让古老汉字与各民族文字在新时代焕发新生机。

没有网红展馆的喧嚣，却在一字一画、一器一拓里，读懂了文字从刻痕到笔墨的生长轨迹。展馆陈设，从文字的产生、定义、体系与传承，以及文字何以重要。

推门而入便被入口处的甲骨文“名”字馆徽吸引。

该博物馆的前身为中国文化研究会于1992年主题为“汉字走向21世纪”的展览。时逢计算机实现汉字录入，人们产生了关于汉字会不会消亡的讨论。通过开设此展览与交流并得出结论：中国文字会像中华文明一样源远流长。

建国初期，汉字发展曾面临重大抉择：要不要沿用方块字，推行拉丁化是否更利于扫盲，成为各界热议焦点，苏联专家亦曾建议以拉丁化。

毛主席力排众议，明确指出“中国历史就体现在方块字里”，坚定守护汉字文脉，同时推动汉字简化，让古老方块字既承载千年历史，又适配时代需求、便利大众使用。

中国语符进化：肢体语言，鸟兽之鸣，人类语言，语言符号，文字与语言符号并行，文字时代。

笔写为书。刀刻为契。

爨，cuan 4，一字描述了“烧火做饭”的全景全流程。京西门头沟有个“爨底下村”，村里有好吃的豆腐。

苏东坡抬杠王安石↑

展板中展示的“温”字甲骨文，取象于人在浴盆中沐浴的形态，本义为“温水沐浴”，后引申出温暖、温柔、温习等含义。这一造字逻辑也呼应了虢季子白盘作为水器的功能属性，体现了商周时期文字与器物的关联。

甘甜，唯一嘴里能含得住的口味。

孔子曰：“觚不觚，觚哉！觚哉！”
核心意：器具不像该有的样子，还算器具吗？实则吐槽礼崩乐坏、名实不符。

馆内陈列文物皆为复制品。

这不是戒尺，是“概”：大概齐～就这么来的。

这座藏在海淀树村的小众展馆，没有厚重的门槛，却能让每个走进来的人，在慢逛细品中读懂文字的力量。央视有一部很不错的纪录片《“字”从遇见你》，非常推荐。

文字学博物馆
地址：海淀区正白旗西路1号院20号
时间：周二至周日09:00-16:00（周一闭馆）
门票：免费参观，10:00和14:00 有志愿者讲解。
文字学博物馆当前处于试运营阶段，免费向公众开放。官方小程序已开通个人预约通道。

欢迎关注中体佳，

阅读原文

跳转微信打开

  •  
  • ↗️
✇12 - 南京师大比特人文公众号
↗️

征稿通知 | 第二十届全国知识图谱与语义计算大会（CCKS 2026）

徐惠 2026-02-02 00:02 江西

CCKS 2026西安8月举办，征相关中英文论文及开放资源，5月30日截稿

转载自“中国中文信息学会”

会议时间：2026年8月21日-23日

会议主页：https://sigkg.cn/ccks2026/

全国知识图谱与语义计算大会（China Conference on Knowledge Graph and Semantic Computing，CCKS）由中国中文信息学会语言与知识计算专业委员会主办，大会源自中文知识图谱研讨会（Chinese Knowledge Graph Symposium，CKGS）和中国语义网与万维网科学大会（Chinese Semantic Web and Web Science Conference，CSWS），2016年两会合并，CCKS 2016、2017、2018、2019、2020、2021、2022、2023、2024、2025分别在北京、成都、天津、杭州、南昌、广州（线上）、秦皇岛、沈阳、重庆、福州举办。全国知识图谱与语义计算大会已经成为国内知识图谱、语义技术等领域的核心学术会议，聚集了知识表示与推理、自然语言理解与知识获取、图数据管理与图计算、智能问答等相关技术领域的学者和研发人员。

第二十届全国知识图谱与语义计算大会（CCKS 2026）由西安交通大学承办，将于2026年8月21日至23日在西安召开。

本届大会的主题是“知识、记忆与认知推理”，旨在探讨知识记忆机制与认知推理之间的深度融合与协同演进。大会将聚焦知识表示、知识存储、知识挖掘、知识融合、知识推理、可解释性、记忆增强、认知计算等知识图谱与大模型关键技术，引导知识驱动的新一代认知智能理论技术突破与产业应用发展。大会议程将包括讲习班、大会特邀报告、前沿趋势论坛、工业界论坛、青年学者论坛、评测与竞赛、论文报告、海报与系统展示等环节，邀请国内外知名学者介绍相关领域的最新进展和发展趋势，邀请产业界知名研发人员分享实战经验，促进产学研合作。

除研究论文与应用论文之外，本届大会将继续设置知识图谱与大模型开放资源主题，旨在支持并推动学术界和工业界的数据资源共享。资源包括但不限于：知识图谱/本体、大模型、数据集/评测集、软件工具/服务/API/框架、协议/标准规范等，并鼓励将资源发布在开放知识图谱社区（OpenKG）。审稿人将从资源的质量和潜在影响力、可复用性（例如说明文档）、可获得性（例如网址和开源协议）等维度综合评价资源和论文的质量，OpenKG将对入选的开放资源进行宣传推广。

大会诚挚邀请相关领域的学者和研发人员将未经发表的成果投稿英文和中文论文。英文投稿篇幅不超过12页PDF，中文投稿篇幅不超过8页PDF，以上篇幅限制均包含参考文献、附录等所有内容。研究与应用论文采用双盲审稿机制，投稿不应在作者、正文、脚注、致谢、引用等任何地方透露作者信息，否则将被拒稿；知识图谱开放资源论文采用单盲审稿机制，投稿应包含作者信息和资源网址。稿件模版如下：

录用的英文论文将收录于Springer出版的论文集，优秀英文论文扩展后将被推荐到《Tsinghua Science and Technology》、《Journal of Computer Science and Technology》、《Knowledge Engineering Review》、《Data Intelligence》等相关期刊；录用的中文论文将被推荐到《清华大学学报（自然科学版）》、《中文信息学报》、《北京大学学报》等相关期刊。期刊将对推荐论文进行二次审查，并决定是否发表。

论文主题包括（但不限于）：

  • 知识表示与知识图谱推理，例如本体建模与演化、知识图谱表示学习、知识图谱推理补全；

  • 知识图谱构建与知识集成，例如实体/关系/事件抽取、多模态知识获取、本体匹配、实体对齐等；

  • 图数据库与知识管理，例如图数据库的架构设计、图查询语言、图数据库索引技术、图数据库在知识管理中的应用等；

  • 知识图谱增强的大模型，例如知识图谱增强的大模型训练/认知推理/可解释性、知识记忆机制、知识记忆增强等；

  • 知识图谱与大模型应用，例如语义搜索、问答与对话、检索增强生成、大模型智能体、政务/科技/教育/医疗等领域应用；

  • 知识图谱与大模型开放资源，例如领域知识图谱/大模型、知识图谱/大模型评测方法与评测集、工具等。

投稿网址：https://openreview.net/group?id=cipsc.org/CCKS/2026/Conference

重要日期：

  • 论文全文提交：2026年5月30日（23:59，北京时间）

  • 审稿结果通知：2026年6月30日（23:59，北京时间）

  • 论文正稿提交：2026年7月10日（23:59，北京时间）

有关投稿的疑问，请发送邮件至：ccks_2026@163.com

大会组织：

主办单位：中国中文信息学会语言与知识计算专业委员会

承办单位：西安交通大学

大会荣誉主席：
郑庆华（同济大学、西安交通大学）

大会主席：
田锋（西安交通大学）
刘均（西安交通大学）
刘铭（哈尔滨工业大学）

程序委员会主席：
吴天星（东南大学）
张静（中国人民大学）
师斌（西安交通大学）

本地主席：
张兴军（西安交通大学）

前沿趋势论坛主席：
徐童（中国科学技术大学）
陈玉博（中央民族大学）

青年学者论坛主席：
赵翔（国防科技大学）
何世柱（中科院自动化所）

讲习班主席：
张宁豫（浙江大学）
王萌（同济大学）

评测主席：
刘井平（中山大学）
毕胜（东南大学）

工业界论坛主席：
胡伟（南京大学）
张梦迪（衍形科技）

出版主席：
林鸿宇（中科院软件所）
宋伊萍（国防科技大学）

宣传主席：
陈文亮（苏州大学）
胡琳梅（北京理工大学）

海报/演示主席：
柳厅文（中科院信工所）
罗凌（大连理工大学）

赞助主席：
李直旭（中国人民大学）
高桓（慢点知微）

注册主席：
孙凯（西安交通大学）

网站主席：
王宇翔（杭州电子科技大学）
彭祯（西安交通大学）

领域主席：

知识表示与知识图谱推理：
孙泽群（南京大学）
曹鹏飞（中科院自动化所）
知识图谱构建与知识集成：
曾道建（湖南师范大学）
盛泳潘（西南大学）
图数据库与知识管理：
金海龙（南京理工大学）
陈永锐（东南大学）
知识图谱增强的大模型：
宋凌云（西北工业大学）
陈想（南京航空航天大学）
知识图谱与大模型应用：
邓淑敏（新加坡国立大学）
徐康（南京邮电大学）
知识图谱与大模型开放资源：
马杰（西安交通大学）
高峰（武汉科技大学）


比特人文

投稿邮箱：dhbase@126.com

扫码关注 获取更多资讯

图片

阅读原文

跳转微信打开

  •  
  • ↗️
✇12 - 南京师大比特人文公众号
↗️

Agent模式重构工作新范式 | TF技术前线177期报名

徐惠 2026-02-02 00:02 江西

2月6日CCF TF177期，聚焦Agent模式应用，邀专家分享实践与思路。

转载自“中国计算机学会”

导语：本期会议将聚焦「Agent模式」在实际业务场景中的应用，围绕大模型能力不断升级的背景下，探讨Agent模式如何提升工作效率、重塑工作范式。来自微软、腾讯等头部企业的AI技术专家及多位行业资深大咖，将分享Agent模式在各自领域的最佳实践案例，并深入解析其对行业工作方式带来的深刻影响，为各行业在AI应用与Agent模式提效方面提供思路启发与实践参考。


为工程师提供顶级交流平台


CCF TF技术前线 第177期

时间：

2026年2月6日

19:00-21:30

主题：

Agent模式重构工作新范式

所属SIG：

架构SIG

欢迎扫码了解详情和报名参会

报名链接：https://ccf.org.cn/177


一、会议亮点

大模型技术席卷全球之际，模型能力飞速演进，Agent模式正加速成为AI应用的主流形态：在显著提升工作效率的同时，也在深刻重塑各行业的工作范式。本期我们邀请来自微软、腾讯等前沿企业的技术专家，以及在AI应用与Vibe Coding领域深耕多年的资深大咖，分享Agent模式在各自领域的最佳实践，并系统解析其对行业工作方式的长期影响。

本期会议将汇聚Agent模式应用方向的一线专家，围绕「大模型与业务工作的深度融合」重点展开三大议题：

① AI应用如何演进至Agent模式，以及这一演进对业务与团队协作带来的变化；

② AI Agent模式在实际工作场景中的核心优势与当前落地过程面临的主要挑战；

③ AI Agent模式如何在企业级开发体系中真正沉淀为可复制、可规模化的高效生产力。

会议将系统介绍行业领先的AI Agent模式在典型业务场景中的落地路径与技术方案，并结合大量真实案例进行拆解，为各行业在AI应用与Agent模式提效方面提供可借鉴的思路、方法与实践参考。


二、会议安排

TF 177：Agent模式重构工作新范式（02.06）

主持人：李庆丰

时间

主题

讲者

19:00-19:05

活动介绍

李庆丰（主持人）

19:05-19:10

开场致辞

杨卫华（TF主席）

19:10-19:40

进化中的智能体应用开发

武帅

（微软）

19:40-20:10

打造全天候多Agent人机高效协同网络

揭光发

（腾讯）

20:10-20:40

大规模Vibe Coding新范式，从忘记代码开始

胥克谦

（AI资深专家）

20:40-21:10

基于大语言模型的软件开发方法论

沈欣

（行业协会）

21:10-21:20

参会者提问互动

全员

21:20-21:30

活动总结

杨卫华（TF主席）

三、特邀讲者

武帅

微软全球黑带技术专家


主题：进化中的智能体应用开发

个人简介：微软全球黑带技术专家，长期从事零售、制造和教育行业的咨询与布道工作，曾出版《Web前端测试与集成》和《数字化转型实践-构建云原生大数据平台》等书籍。目前专注于大中华区企业研发转型，致力于通过人工智能等新兴技术助力企业研发提效。

主题介绍：本次演讲将围绕智能体应用开发的演进路径展开，探讨从早期的 Prompt驱动，到具备规划能力、执行能力和反馈闭环的Agent，再到面向企业场景的Agentic Workflow与平台化编排。我们将结合真实开发与落地案例，分享在工程实践、架构设计、治理与安全、以及生态选择上的关键思考。

揭光发

腾讯云架构师联盟社群管理主席、腾讯专家工程师


主题：打造全天候多Agent人机高效协同网络

个人简介：20年研发与团队管理经验，前腾讯云TVP，现腾讯全栈技术专家，公司级低代码项目负责人，是IEEE低代码标准及大湾区企业低代码标准的主撰写人；大模型应用早期实践者与布道师，是国内顶级行业/技术峰会相关话题优秀讲师及出品人。在低代码与LLM结合场景有深度的实践，愿景是“人人能编程”。带领团队深度践行LLM对研发提效、探索Vibe coding 在专业程序员与准开发者群体的落地，个人代码全栈AI含量几近100%。

主题介绍：本分享将披露一个AI Native的开发者，是如何一步步升级自己的“人与AI的协作范式”。最初,通过Human-in-the-Loop MCP工具让桌面端Agent 能主动通过企业微信联系我,即使离开电脑也能随时反馈和决策，大幅提升AI工作饱和度。进一步，我构建了自己的可编程Agent工作平台，将Agent 网络与企业微信双向打通，让我可以随时随地发起任务、接收反馈、实时协同。但随着并行的Agent任务增多、任务变复杂，我发现自己陷入了心力消耗的泥潭——而一个AI原生的PM Agent，正是这个问题的解决之道！

胥克谦

资深产品经理

主题：大规模Vibe Coding新范式，从忘记代码开始

个人简介：资深产品经理，十余项教育科技创新大奖获得者，挑战国内最大单人单项目Vibe Coding项目规模，已完成代码量近200万行、资产文档超1400万字。

主题介绍：Vibe Coding不适合大型项目开发？编程幻觉不可控？大量充斥硬编码伪数据？不存在的，只是因为用新瓶装了旧酒。分享单人挑战超大规模项目开发的工程化开发实践与方法。

沈欣

广东省连锁经营协会技术委员会主席、上海交通大学终身教育学院特聘讲师、中国信通院低代码委员会顾问

主题：基于大语言模型的软件开发方法论

个人简介：广东省连锁经营协会技术委员会主席、上海交通大学终身教育学院特聘讲师，中国信通院低代码委员会顾问，曾任喜茶数字化高级副总裁，曾任百果科技首席技术市场官，百果科技首任轮值主席，曾任和君咨询合伙人、上海齐扬软件技术有限公司总经理。腾讯云TVP，资深AI应用专家。

主题介绍：AI Coding要真正在企业级开发中成为生产力，必须有相匹配的落地方法论，本PPT将介绍在企业中落地的实践和思考，通过DADD（文档AI驱动开发）的整套体系，构建可持续的软件生产力平台。

四、SIG主席

杨卫华

CCF TF主席&架构SIG主席、Westar Labs实验室创始人

个人简介：杨卫华（Tim Yang），Westar实验室创始人兼CEO、中国计算机学会TF主席及架构SIG主席。专注技术创新，拥有丰富的互联网架构及管理经验。曾任新浪微博研发副总经理，包括微博整体架构工作，主导了海量及峰值访问处理、混合云架构及开放平台等多个关键技术领域的工作。

李庆丰

CCF TF架构SIG联席主席、新浪微博高级总监

个人简介：李庆丰 新浪微博高级总监，负责微博信息流、流媒体、基础架构等核心服务的工程架构和技术研发工作；同时作为微博AI研发提效工具研发及应用负责人。在高可用架构、云原生技术、流媒体、AI应用技术方面有丰富的研发和管理经验。新浪集团技术委员会委员，中国计算机学会CCF-TF架构sig主席，腾讯云TVP。技术社区的拥护者，多次担任业界前沿技术大会的讲师及出品人。


1


参会说明：

1、活动采取腾讯会议+视频号线上模式，请于活动前一天15:00完成报名，获取会议链接

2、会议链接和密码将在活动当天，通过邮件、短信通知

3、CCF会员免费参加，非会员99元/次，加入会员可免费参与线上活动，现在入会即可免费参与

2


联系方式：

邮箱：tf@ccf.org.cn

电话：010-62600329 分机号28

关于TF：

CCF 技术前线（TF），是专为企业一线工程师搭建的合作交流平台，通过12个SIG（特别兴趣小组）覆盖人工智能、云原生、安全工程、智能制造等核心领域，聚焦技术落地痛点，助力工程师突破职业瓶颈。


比特人文

投稿邮箱：dhbase@126.com

扫码关注 获取更多资讯

图片

阅读原文

跳转微信打开

  •  
  • ↗️
✇12 - 南京师大比特人文公众号
↗️

程 宁 | 唐诗语体的历时演变——以虚字使用密度为中心

程  宁 2026-02-01 00:01 江苏

以虚字使用密度为中心，探讨唐诗语体历时演变及与诗文散化、宋调关联。

转载自“山东社会科学”

点击蓝字 关注我们

2025年第11期

2025.11

作者简介

程宁，清华大学文学博士，中国社会科学院文学研究所助理研究员、数字人文与计算批评实验室成员，兼任中国民族语言学会语言资源与计算人文专委会理事，主要研究方向为计算语言学、计算诗学、古典知识库、数字人文，申请国家专利1项，计算机软件著作登记1项，在《清华大学学报（哲学社会科学版）》、《中文信息学报》、国际数字人文大会（ADHO）等发表论文数篇，被《中国社会科学文摘》、人大复印报刊资料转载。

本文原载《山东社会科学》2025年第11期，参考文献及注释参见本刊原文。欢迎转发与授权转载。如需转载请联系0531—82866416，联系人：陈老师。转载请注明来源！配图均来自网络。

［摘  要］虚字涌现是诗歌散文化书写的重要标志。从词频偏移检测的角度出发，可以清晰地发现，韩愈“以文为诗”的创作实践与唐诗总体相比，其最显著的用词差异是虚字的凸显。采用自动分词、词性标注、统计检验等技术手段，对《全唐诗》中的虚字进行标引，并在此基础上开展群体性的量化比较和回归分析后发现：一方面，研究结果有力佐证了钱锺书先生关于陈子昂、张九龄、李白、杜甫、韩愈等人在“诗用语助”上的精妙论断；另一方面，从整体趋势来看，唐诗近三百年间不同时段的虚字使用密度并不相同，且恰好呈现出初唐、盛唐、中唐、晚唐依次线性增长的动态过程。进一步将研究视野拓展至更大语料范围和更长历史时段，观测虚字使用的消长变化后发现：诗歌虚字密度从先秦到魏晋再到唐初呈不断降低趋势，而自初唐开始逐渐攀升，历经盛唐、中晚唐，后由宋接续并大幅增长，这正体现了中国诗歌语体形式由松到紧再由紧到松的往复变化。

［关键词］唐诗；虚字；“以文为诗”；语体演变；数字人文

2025.11

阅读导引

一、虚字使用与诗体观念

二、虚字涌现与“以文为诗”

三、虚字入诗的实相

四、余论

虚字在构成古典诗歌的语言材料中地位低微，以虚字入诗多遭讥评，而实际创作情况却大相径庭。虚字虽然无法彰显主题内容，但是能有力反映语体特点。诚如“凡多用虚字便是讲，讲则宋调之根”所言，虚字的增减变化实为揭示诗体演进规律的重要线索。回顾既有研究，学界关于虚字的探讨多局限于对个别诗人、单篇作品中虚字修辞功能的分析，侧重于定性解读，而缺乏在全时段、全样本视野下的量化比较研究。有鉴于此，有必要引入自然语言处理技术，对全量诗歌数据进行系统性的虚字标引，并结合回归分析等统计方法，展开历时性、群体性的实证考察，以期破除传统诗学研究中依赖主观印象判断的局限，从量化分析的视角揭示在诗歌发展历史脉络中虚字使用所呈现的总体趋势、阶段性差异与个体化特征，进而深入探讨其与诗歌散文化倾向之间的互动关系。

一、虚字使用与诗体观念

“虚字”在古代也称为“辞”“语助”，这里的“字”多指语词而非单用字，与今天的虚词概念接近。虚字无实义，却对文意贯通至关重要。刘勰《文心雕龙》曾论及虚字对诗文创作的作用：“又《诗》人以‘兮’字入于句限，《楚辞》用之，字出句外。寻‘兮’字承句，乃语助余声。舜咏《南风》，用之久矣；而魏武弗好，岂不以无益文义耶！至于‘夫’、‘惟’、‘盖’、‘故’者，发端之首唱；‘之’、‘而’、‘于’、‘以’者，乃劄句之旧体；‘乎’、‘哉’、‘矣’、‘也’，亦送末之常科。据事似闲，在用实切；巧者回运，弥缝文体：将令数句之外，得一字之助矣。外字难谬，况章句欤！”刘勰指出了不同句位虚字的表现，并点明虚字可作“语助余声”、增强韵律，还可以“弥缝文体”、组织结构，这在一定程度上肯定了虚字的价值；然而，他仍将虚字视为一种“剩语”。

随着历代学者对虚字用法的认识持续深化，其功能和地位也随之得到进一步提升。清人刘大櫆便提及，虚字能够传递作者神态：“上古文字初开，实字多，虚字少。典谟训诰，何等简奥，然文法要是未备。至孔子之时，虚字详备，作者神态毕出。”虚字虽不直接承载实义，却能巧妙地渲染作者情感、营造文章氛围。从这方面讲，文章用虚字有其独立于实字之外的重要意义。清代刘淇《助字辨略》有云：“构文之道，不过实字虚字两端，实字其体骨，而虚字其性情也。”马建忠在《马氏文通》中亦有“实字其体骨，虚字其神情也”的类似论述，从语法角度将虚、实两字并提，使得虚字彻底摆脱了实字的附庸地位，获得了应有的重视。

虚字的使用对于古代散文来说，无疑是正当且必要的。然而，以虚字入诗，尤其入律绝，却往往会招致诗论家的各种意见。关于诗歌能否使用虚字以及应当如何使用等问题，在唐及以前讨论不多。南朝梁钟嵘曾就当时诗歌创作中存在的“用事”流俗而殆同书抄的现象提出反对意见，其中便涉及虚字的使用问题：“故大明、泰始中，文章殆同书抄。近任昉、王元长等，词不贵奇，竞须新事，尔来作者，浸以成俗。遂乃句无虚语，语无虚字，拘挛补衲，蠹文已甚。”不过，钟嵘提出的“句无虚语，语无虚字”是从用事的对立面来说的，并没有正面探讨虚字使用的问题。

真正开始正面讨论虚字入诗并进行评鉴的情况，到了宋代才逐渐增多，至明清之际则蔚为大观。宋魏庆之《诗人玉屑》论及唐人句法，专门列有“虚字妆句”和“首用虚字”条，胪列张籍“长贫惟要健，渐老不禁愁”、杜甫“飘飖搏击便，容易往来游”、钱起“乍见翻疑梦，相悲各问年”、贾岛“渐老更思深处隐，多闲惟借上方眠”等数例，这在一定程度上体现了其对虚字入诗现象的关注。元陶宗仪《南村辍耕录》引赵孟頫语“作诗用虚字殊不佳”，则体现了对虚字入诗的否定态度。持此类观点的人不在少数，以至于后来诗坛逐渐形成了“实字多则健，虚字多则弱”的主流看法。当然，也有一些论者从诗歌鉴赏角度给出了较为中肯的意见，如方回在《瀛奎律髓》中说道：“诗中不可无虚字，然用虚字而不切，则泛也。”

杜甫善使虚字，很多诗论家尽管否定虚字入诗，却唯独给杜甫开了特例，其“江山有巴蜀，栋宇自齐梁”（《上兜率寺》，第2462页），“有”与“自”二字用得极妙，两字烘托出远近数千里、上下数百年的慨叹，因而常被后人称道。明代胡震亨便是典型代表，他一方面否定虚字入诗的合理性，认为“诗用助语字，非法也”，另一方面却对杜甫“馀力浮于海，端忧问彼苍”中的虚字运用表示赞赏，认为其用而不觉，而对王孟诗作中如“畅以沙际鹤，兼之云外山”及“依止此山门，谁能效丘也”之类的虚字使用，则直言“恶矣”。清代亦有诗论家指出“炼实字易”而“炼虚字难”，这也是在说虚字在诗中很难用得恰当，需要花大功夫。

明代诗论家不仅关注诗歌能否使用虚字以及如何使用的问题，还从诗史层面注意到唐代不同时期诗歌虚字使用的演变情况。如李东阳提到盛唐诗善用虚字：“诗用实字易，用虚字难。盛唐人善用虚字，其开合呼唤，悠扬委曲，皆在于此。用之不善，则柔弱缓散，不复可振，亦当深戒。”又谢榛《四溟诗话》谈论唐代七律时提到中唐诗虚字渐多：“七言近体，起自唐初应制，句法严整。或实字叠用，虚字单使，自无敷演之病。如沈云卿《兴庆池侍宴》：‘汉家城阙疑天上，秦地山川似镜中。’……观此三联，底蕴自见。暨少陵《怀古》：‘一去紫台连朔漠，独留青冢向黄昏。’此上二字虽虚，而措辞稳帖。……中唐诗虚字愈多，则异乎少陵气象。刘文房七言律，《品汇》所取二十一首，中有虚字者半之。如‘暮雨不知涢口处，春风只到穆陵西’之类。……凡多用虚字便是讲，讲则宋调之根，岂独始于元、白？”谢榛认为，初唐七律虚字皆得其力，中唐虚字入律现象愈发泛滥而敷衍薄弱，并举了钱起、刘长卿的具体诗例，以此说明虚字多用的情况并非始于元、白，而是中唐诗人群体所共有的特点。另外，“多用虚字便是讲，讲则宋调之根”点明了虚字不仅能够体现唐人的炼字技巧，而且其数量多寡反映了唐诗语体类型的演变。

钱锺书从历时角度梳理了诗用语助的情况。他首先指出，周秦之诗骚及汉魏以来之杂体歌行多“使语助以添迤逦之概”，极观于陈子昂《登幽州台歌》、李白《蜀道难》等，宋人不能望其项背；而后结合五言用虚字的情况，提到“唐则李杜以前，陈子昂、张九龄使助词较夥。然亦人不数篇，篇不数句，多摇曳以添姿致，非顿勒以增气力”；接着又从引古文元素入诗的角度论及唐前陶渊明通文于诗，到唐人元结“语助无不可用，尤善使‘焉’字、‘而’字”，最后落到“昌黎荟萃诸家句法之长，元白五古亦能用虚字，而无昌黎之神通大力，充类至尽，穷态极妍”。

谢榛讨论的是七言律诗，钱锺书主要讨论的是五言古体诗，二者从不同体裁角度分析了唐代虚字入诗的各种表现，并且涉及具体诗人的创作特点。总体来看，初唐诗和中唐诗用虚字的目的存在差异：前者主要为了“摇曳添姿”而“得其力”，后者主要是为了“讲”而“以文为诗”。虚字入诗，一方面是为了炼字以增添艺术效果，另一方面则是为了方便叙事与议论。多用虚字使得诗歌的意象由繁到疏、逻辑由弱到强，不同位置的虚字使用还会导致句式、句法跳脱出常见的对仗模式，而不自觉地带上散文化的特征，进而让诗歌能够更自由、更丰富地抒发情感和表达思想。

二、虚字涌现与“以文为诗”

虚字的凸显是诗歌散文化书写的重要标识。韩愈作为“以文为诗”的典型代表，几乎将散文中常见的各类语助词悉数移植入诗。因此，有学者认为韩诗“非诗”，而是“带韵的散文”，这种评价从其语汇选用的角度来看有一定道理，韩诗确实不符合传统诗歌在语汇运用上的典型特征。近年来，随着自然语言处理技术不断介入古典文学研究，研究者得以借助自动词法分析手段，对韩愈与其他诗人的词频差异进行比较验证。这一研究路径具有双重意义：一方面，它能够从量化视角重新审视并深化我们对韩愈诗体特征的认识；另一方面，它也可以进一步证实虚字的频繁使用与诗歌散文化书写之间具有强关联性。

与西方语言不同，汉语书面语无词语界限，因此，若要进行词频统计，首先面临的便是分词问题。汉语的自动分词是自然语言处理领域的一项基础任务，现代汉语领域的分词效果已经达到较高水准，而在古代汉语领域，由于不同时代、不同文体的语言特性有异，且古汉语的词汇标准在汉语理论中也未见统一，这些因素共同导致古汉语自动分词模型的整体效果不及现代汉语，在古典诗歌领域尤为明显。

有不少学者曾对古典诗歌分词技术做过探讨。俞士汶与胡俊峰提出了基于互信息的概率统计模型；罗凤珠则利用诗歌典型格律节奏来划定字串；年轻一辈如张家瑞等基于BPE（Byte-Pair-Encoding）算法，依据字词共现频率进行分词；潘长在（Changzai Pan）等提出TopWORDS-Poetry方法，结合格律信息并采用贝叶斯推理模型来分词。

需要指出的是，古典诗歌的自动分词处理不可避免地会面对语义优先还是节奏优先的关键问题。以唐诗为例，仅依靠经典格律“两字组合＋三字脚”显然难以应对所有情况，谢思炜曾就白居易的七言诗总结出若干特殊句法模式，这表明固定格律并非万能的。况且，《全唐诗》中古体诗占比超40%，近体诗的固定格律规则覆盖范围相对有限。另外，若仅依照传统古文的语义进行分词也不尽合理，因为这忽略了诗歌本身独特的语词组成方式以及复合式的意象特性。国内鲜有关于古典诗歌分词的标准评测体系，各家制定或依照的规范也不尽相同，因此所得到的分词结果缺乏可比性，在人文研究领域的实际应用也十分有限。

由于本研究主要关注唐诗的语汇情况，2017年出版的《全唐诗词语通释》（以下简称《通释》）为唐诗文本的自动分词提供了关键参照依据。该工具书以《全唐诗》（中华书局1960年版）与《全唐诗外编》（中华书局1982年版）所录唐诗为限，收录“词目以语词为主（包括结构较固定、用例较多的词组）”。经统计，该书语词总量超10万条，以其收词立目为基准，能够有效避免自动分词规范问题上的诸多争议。此外，《通释》的词目字形与《全唐诗》《全唐诗外编》保持高度一致，这一特性使其非常适合作为自动分词的基础词表。除《通释》外，本研究另搜集整理了包括《中国古典诗词地名辞典》等在内的其他诗词类常用词典数据，制成混合词表，去重后总计21万条。研究使用Python调用HanLP工具包，融入混合词典底表进行辅助切分，进而得到最终分词结果。模型具体配置参数如表1所示。


通过自动提取韩诗词频，并以《全唐诗》总体词频为参照，计算相对词频量差，然后将差值降序排列，可以得到韩诗和唐诗整体对比中的用词偏好。公式描述为：


其中，pi（1）指韩诗中词i出现的相对频率（即单位占比），pi（2）则是筛除韩愈作品后唐诗总集中词i出现的相对频率，δpi为两者差值，若差值为正（δpi>0），代表该词在韩愈诗中更常见；若差值为负（δpi<0），则代表该词在《全唐诗》（不含韩愈诗）中更为常见。这种基于相对词频差的计量方式简单有效，容易被传统人文学者理解和应用。为便于比较分析，根据所得差值大小对结果进行降序排列。限于篇幅，抽取出差异最大的前50词绘制成图1，进行可视化展示。

在图1中，横轴代表二者的用词倾向，纵轴则按二者用词差异程度进行排序，差异越大，排名越靠前。以“我”为例，韩愈用“我”的概率远超《全唐诗》的总体水平，因此图柱向韩愈一侧倾斜，又因其概率差值最大，故排序位列第一。通过对该图的整体观察可以发现，前人基于阅读经验对韩诗语言特点的总结，在客观的数据计量分析中得到了充分验证和量化支持。图1左侧区域能够清晰地揭示出韩诗在遣词方面偏离唐诗总体的重要特征，遍布散文字法，特别是典型的虚字如“其、之、以、所、或、于”等名列前茅，后面还有“与、而、若、何、且、当、岂、者”等虚字使用频率均超出唐诗的总体水平。反观右侧，可以发现唐诗总体中包含了大量表达情感与描绘景物的意象，如“秋、花、风、春、月、愁”等，反映了唐诗注重抒情写景、意境营造的基本特点。


图1   韩愈诗与唐诗总体词移表现

此外，左侧还可以发现大量人称代词，如“我、子、汝、吾”等，此类在古代诗文评中亦可作虚字讲。“空堂黄昏暮，我坐默不言。童子自外至，吹灯当我前。问我我不应，馈我我不餐。……其言有感触，使我复凄酸。”（韩愈《秋怀诗十一首·其八》，第3767页），多用第一人称意味着诗人的自我确认意识较强。据罗时进等人统计，“初唐诗中‘我’字使用率很低，随着向盛唐发展而渐高，李白则居于顶峰。中唐走向偏底，至白居易形成又一高峰。晚唐则又稍低，但仍超出初唐”。这在一定程度上体现了诗人的个性和时代风气变化。多用第二人称则意味着文本的对话性与叙述性较强，如“黄鹄得汝去，婆娑弄毛衣。前汝下视鸟，各议汝瑕疵。汝岂无朋匹，有口莫肯开。汝落蒿艾间，几时复能飞。”（韩愈《南山有高树行赠李宗闵》，第3829页），采用借代手法和逻辑语序生动呈现场景，体现了寓文于诗的“讲”的特质。

上述以韩愈诗为例，从其创作的诗歌总体上揭示出其虚字入诗的显著特点。吴振华指出，虚字的使用是形成韩愈“以文为诗”诗法的关键因素，对后代（尤以宋代为甚）诗歌创作规范的重建及诗歌语言的革新产生了很大影响。以散文字法、句法、章法入诗并非韩愈一人独有，尽管其诗在当时诗坛并未引起足够重视，但其承前启后的作用不容忽视。如晚唐杜牧受其影响，亦有诗多用虚字者，如“人才自朽下，弃去亦其宜。……臣实有长策，彼可徐鞭笞。如蒙一召议，食肉寝其皮。斯乃庙堂事，尔微非尔知。向来躐等语，长作陷身机”（《雪中书怀》，5944页）。

诗论家注意到虚字入诗在唐诗各阶段的表现不尽相同，但这种认识多停留在有限的阅读体验层面，未能揭示出客观整体情况。葛兆光也提到，“说唐诗多用实字宋诗多用虚字的评论家其实并没有任何统计的依据”，虚字在唐诗中的发端及其发展态势究竟如何，以议论见长的宋诗在虚字使用上是承接了唐诗语体的发展趋势，还是异军突起或另起炉灶，这些问题都需要借助远读和量化的分析手段来回答。

三、虚字入诗的实相

闻一多认为，诗的语言讲究“弹性”，“而弹性的获得，端在虚字的节省”，并提到诗从《三百篇》《楚辞》到建安（《十九首》包括在内），“五言句法之完成，不是一件了不得的大事，而句中虚字数量的减少，或完全退出，才是意义重大”。所谓诗歌排斥虚字，是相对于散文的语言特性而言。事实上，虚字作为语言的有机组成部分，在任何文体中都不可能完全退出，其使用更多地呈现为一种阶段性衰减或增多的辩证发展过程。诗歌的语言并非全然无序的堆砌，像“鸡声茅店月，人迹板桥霜”（温庭筠《商山早行》，6741页）这种名词意象并列铺排的写法并不多见。一旦进入叙事，有关时空、因果、状态的描述便不可避免地介入进来，这时虚字所能发挥的功用也就不言而喻了。韩晓光指出，尽管虚词在近体诗中的出现频率不是很高，但门类很齐全，并例证了各词类（副词、介词、连词、语气词等）皆有体现。这为本文后续对虚字的统计分析提供了可行性验证依据。

使用统计的方法考察唐诗虚字，在20世纪80年代就已出现，程湘清等人以《唐诗绝句精华》中788首绝句为对象，对近体诗中虚词的使用情况展开了调查。统计结果显示，虚字的使用数量相当惊人，平均不到五个字就有一个是虚字，其中完全不用虚字的绝句，如“日暮苍山远，天寒白屋贫。柴门闻犬吠，风雪夜归人”（刘长卿《逢雪宿芙蓉山》）这类情况仅有71首，在总数中并不占优势。近体诗尚且如此，形式更为自由的古体诗应当更为普遍。由此可见，诗歌创作使用虚字斡旋是常态。不过前人只是粗略地观察了虚字在绝句中的总体数量，既未明确交代虚字如何界分，也未能从历时角度把握唐诗整体虚字使用情况的变化，而统计虚字在不同时期的使用频率和分布模式，可以进一步窥探唐诗整体语言体式风格的转向。

古人对虚字的认知与今人有异，诗歌内容上的“写虚”和语言体式上的“用虚字”有时会混为一谈。不过，虚字本身的核心内涵古今差异不大，谢榛所论虚字和今天的虚词概念颇为接近。不同于活跃的实词系统，虚词流传至今变化较小、表现稳定，是一个相对封闭的集合。从现代语法角度来看，汉语中的虚词通常包括介词、连词、助词、语气词，主要用于体现递进、转折、并列、顺承等逻辑关系。此外，还有两类虚实界限相对模糊的词：副词和代词。副词介于实词和虚词之间，用来表示状态，其系统同样具有相对封闭性，国内语言学家吕叔湘、朱德熙、陆俭明等人均将其归为虚词类，杨伯峻《文言虚词》亦将代词划定为虚词类。代词用来指称事物，古代诗文评所论虚字亦涉及代词，如谢榛《四溟诗话》有“夏正夫谓涯翁善用虚字，若‘万古乾坤此江水，百年风日几重阳’是也”，其中“此”“几”分别对应指示代词与疑问代词。

综合古人论评情况，本研究选定介词、连词、助词、语气词、代词、副词作为虚字考察范围。采用HanLP对诗歌文本进行词性标注，参考表1所示任务组合参数配置，使用分词与词性多任务联合标注方法，词性标记选用北京大学PKU标记集。自动词性标注主要致力于解决以下三个方面的问题：其一，尽可能区分出唐诗中存在的字形相同而语义全然不同的词，如“乱花渐欲迷人眼，浅草才能没马蹄”（白居易《钱唐湖春行》，第4957页）中的“才能”是表示“方才能够”的副词，而不是表示“才智和能力”的名词；其二，结合特定上下文语境确定某一多义词的具体义项和词性，如“所思如梦里，相望在庭中”（张九龄《秋夕望月》，第591页）中的“在”是介词，表示动作、行为进行的处所、时间、范围或事物存在的位置，“李杜文章在，光焰万丈长”（韩愈《调张籍》，第3814页）中的“在”则是动词，表示“存在，在世”；其三，依句辨品，结合上下文语境确定词类活用现象，如“东风已绿瀛洲草，紫殿红楼觉春好”（李白《侍从宜春苑奉诏赋龙池柳色初青听新莺百啭歌》，第1716页），其中“绿”是形容词使动用法，包含了“绿”的动作和结果，依据词性标注原则此处应按动词处理。

表2展示了机器自动分词和词性标注的实例。需要说明的是，面对庞大数据集，人工处理能力毕竟有限，采用机器自动分词与词性标注虽难以完全避免偏误，但借助《通释》进行辅助切分，这些偏误能够被控制在较小范围内。使用同一套标准对唐诗进行处理，对其内部各阶段虚字使用差异的比较影响较小，即便数据集的精度尚未达到最优水平，仍然可以有效地呈现唐诗虚字使用的整体水平和趋势，进而得出可靠结论。这种方法论恰恰体现了基于大数据研究的核心原则——庞大的数据量能够弥补个别数据点的不精确性，从而保证整体研究结果的准确性和可信度。


为了进一步验证机器标注的有效性，我们随机抽取了200条唐诗数据，并引入人工标校对照组，开展基于多评定者的Fleiss’ Kappa一致性检验，检验结果如图2所示，Kappa值达80%，表明标注一致性较为显著。


如表2所示，词性标注方法为每个词赋予了词性标签（如副词使用“/d”标记）。根据各类虚词标签，可统计每位诗人各自作品集的虚字使用密度。为了避免不同诗人作品量差异对虚字统计造成偏差，计算平均每万词的虚字数量，公式如（2）所示。


N(i)d代表某一特定诗人或特定分期i所有作品中常用副词的总数量。这里的“常用”指标记为副词且出现频次大于5的词，目的是进一步降低生僻词的标注偏误。以此类推，N(i)p代表常用介词的总数量，N(i)c代表常用连词的总数量，N(i)r代表常用代词的总数量，N(i)u代表常用助词的总数量，N(i)y代表常用语气词的总数量，N(i)all则代表所有类型的词的总数量，Fi即为某一分期或某位诗人平均每万词的虚字使用总量。当i表示特定诗人时，通过计算Fi并将结果进行可视化呈现，可以观察不同诗人的虚字使用差异。部分唐代诗人虚字入诗密度分布情况如图3所示。


将作者大致依《全唐诗》编排顺序从左到右展开，通过观察散点分布和趋势走向可以发现，唐诗的虚字使用在整体上呈现出线性增长的动态过程。为从统计学上验证这一线性趋势，以十个数据点为单位窗口进行分段线性回归分析，拟合优度指标R2=0.818（p<0.01），表明模型拟合结果较好。具体指标值如图4所示。


如果说韩愈“以文为诗”的写作体现了一种文学自觉，那么这种群体性的动态增长趋势则更多反映了语言的自发，它并不是关键人物或外部刺激决定论所导致的，而更像是诗歌语言内部的自然演化过程。

初唐诗避用虚字，用的相对多的是张九龄，其次是陈子昂，这一现象有力佐证了钱锺书“唐则李杜以前，陈子昂、张九龄使助词较夥”的说法。盛唐诗人分布较为离散，数值方差较大，各诗人虚字使用情况并不均衡，这与诗歌主题风格的多元化和个性化发展密切相关。不同的诗歌主题和风格需要不同的语言处理方式，虚字在其中的参与程度也各有不同。这一时期韦应物、李白、高适、杜甫的虚字使用处于较高水平，而常建的虚字使用相对较少。

“诗到元和体变新”（白居易《余思未尽加为六韵重寄微之》，第5000页），标志着中唐虚字使用已经明显高于初唐时期，从图3可以看出，韩孟、元白两大诗人群体皆频繁使用虚字。尤其是韩愈远超总体水平，处于全唐最高位，显著揭示了其诗用语助“神通大力，充类至尽”的特点。其次是白居易，而后是元稹、张籍、王建，诸位写实、尚俗的风格特点正需要借助大量虚字连接意脉，以实现通俗化抒情或叙事。韩诗奇诡，白诗平易，二者诗歌创作风格迥异，而虚字使用密度却不相上下，均处于较高水平。可见诗风比语体更复杂，仅用虚字密度来表征诗风显然是不够全面和存在欠缺的。余恕诚说：“如果说韩愈用虚字增加了诗歌语言的参差错落，白居易用虚字则增加了语言的流畅便利。”不过，“多用虚字便是讲”这一点在诗歌语境中是毋庸置疑的，不管是不平则鸣的韩愈，还是娓娓道来的白居易，其诗多反映人事变迁，更加贴近世俗生活，而表示“状态”“指示”“转折”“因果”等属性的虚字是人事描写不可或缺的语言要素。中唐之后，晚唐诗人群体的虚字使用水平分布非常集中，司空图、皮日休、陆龟蒙相对高，李商隐、杜牧处于中间水平，温庭筠、李群玉则相对低，不过晚唐在总体上要高于初唐和盛唐。

上述讨论并未区分古体和近体诗，实际上，古体诗的虚字使用频率在整体上历来变化不大，而近体诗变化则更为明显。图5呈现了仅考虑律绝的情况，可以发现这种线性增长的趋势并未发生变化。


从图5密度分布来看，初盛唐近体诗整体排斥虚字。林庚曾指出：“语言的诗化，具体地表现在诗歌从一般语言的基础上，形成了它自己的特殊语言；这突出地表现在散文中必不可缺的虚字上。如‘之’‘乎’‘者’‘也’‘矣’‘焉’‘哉’等，在齐梁以来的五言诗中已经可以一律省略。”其实从魏晋六朝一直到盛唐之初，诗歌语言总体上都是虚字渐少的，不过细化到具体诗人也有例外。如陶渊明通文于诗，其作品多使虚字而与众不同。在杜甫之前，张九龄近体诗虚字使用较为突出，如其作品“海上生明月，天涯共此时。……不堪盈手赠，还寝梦佳期”（《望月怀远》，第591页）就用“共”字来烘托诗人的无尽情思。

有学者提出杜甫近体诗的虚字使用数量位居唐代诗人之首。然而，从图5可以看出，阅读经验和统计结果存在些许偏差。若仅可考察杜甫之前的唐代诗人，此说法完全成立；但在老杜之后，情况发生了变化，白居易凭借其意脉流畅、通俗浅近的笔法成为虚字使用密度最大的诗人。相较之下，韩愈的近体诗虚字使用并不算突出，处于中唐平均水平，可见其“以文为诗”的实践重点是以古文作“古诗”而非近体诗。此外值得留意的是，晚唐司空图的近体诗虚字使用亦较为凸显，位列第二。其诗熟稔散文化叙事手法，一个突出表现便是虚字连用，如“林鸟频窥静，家人亦笑慵。……华宇知难保，烧来又却修。只应巢燕惜，未必主人留”（《即事九首·其七》，第7254页），再如“醉日昔闻都下酒，何如今喜折新茶。不堪病渴仍多虑，好向湖便出家”（《丑年冬》，第7275页），“频”“亦”“又”“只应”“未必”等虚字关联词迭出，起接转衬贯通意脉，增强了诗歌的叙事性。大量虚字的穿插运用，在促使诗歌语言走向散文化与通俗化的同时，也不可避免地削弱了诗歌的空间想象和意境营造。

四、余论

上述研究仅考察了有唐一代的虚字使用情况，若进一步纳入先唐及宋代诗歌数据，从更长的历史跨度来看，则会发现虚字入诗从来不是禁忌，其在先秦至宋的使用频率呈现出动态消长的变化过程。在公式（2）中，若将i设置为不同的历史分期，便可据此计算出历代古典诗歌中虚字的使用密度，结果如图6所示。


葛兆光曾指出，“从语言上看，在中国诗史上，从古体诗到近体诗、从近体诗到白话诗这两次变化是真正的大变局，前一次变局使诗歌与散文彻底划清了界限……后一次变局使诗歌与散文又重新彼此靠拢，诗歌与散文的重新靠近其实就是所谓的‘以文为诗’”。此评可谓鞭辟入里，图中所示虚字的消长过程，可视为诗文交侵的历史过程，其趋势走向勾勒出诗歌语体由松到紧再由紧到松的往复变化。

中国早期诗歌处于诗文分离的初始阶段，其语言与日常语言差异不大，虚字的使用密度接近于散文。从先秦两汉到魏晋南北朝再到初唐时期，语言的诗化进程持续推进，这期间的突出特点便是通过语言要素的减省，使得虚字的使用频率大幅降低。这种诗化策略促使诗歌逐渐趋向意象繁密，初盛唐之际语言的诗化过程基本完成，避用虚字似乎成为潜在规则。另外，近体诗确立，严谨的声律格式与对偶模式在构建诗歌创作标准的同时，其所形成的新传统和新规范也较大程度束缚了诗歌语言的活力。近体诗标准的确立为诗歌语言的运用提供了基本框架，而规则的制定往往也孕育着“破体”的基因，它既是进行创造性表达的基础，也是驱动诗人创新的内在动力。唐皎然《诗式》有云：“作者须知复、变之道，反古曰复，不滞曰变。若惟复不变，则陷于相似之格，其状如驽骥同厩，非造父不能辨。能知复、变之手，亦诗人之造父也。”

唐代诸多诗人在虚字运用方面展现出鲜明特色，这实际上是对当时诗歌句式和词汇组合规范的一种突破。他们通过重新引入并创造性地运用虚字，达到了冲击桎梏、破体为新的目的。这不仅丰富了诗歌的内涵和表现力，也促进了诗歌语体的进一步变革。正如林庚所言：“唐诗本身当然更是丰富了深入了诗歌语言的领域……事实上还存在着从日常语言中来又回到日常语言中去，一种否定的否定的辩证发展。”虚字在唐代重新回归，在中唐时期形成一个小高峰，晚唐后又呈陡增态势，并一直延续到宋代。宋诗的虚字使用密度远在唐诗之上，超越魏晋，仅次于先秦。这一数据表现为唐诗多用实字而宋诗多用虚字的阅读感受提供了客观的统计依据。

虚字的增减只是表象，实际上，它意味着诗歌在语体建构方式上的深层转变，而这种转变恰恰反映了创作主体对“何以为诗”与“因何为诗”的进一步探寻与思考。唐诗主情，宋诗主理，如今已成定论。由于“理”的表达需要主客体间清晰的信息传递，要求逻辑严谨、意脉流畅，故而带有极强的散文化倾向。这或许正是宋诗虚字显著高于唐诗的原因所在。在讨论唐宋诗风演变时，杜甫、韩愈、白居易多被前人拿来作为宋诗风格之肇始，其中尤以韩愈受评点最多。若从虚字使用密度来看，其诗与宋诗高度相似，且均超出各自时代总体使用密度的10%，这似乎也印证了韩诗与宋诗在语言体式上确有承继关系。

主理和议论固然会较多地使用虚字，但宋诗并非全然“以议论为诗”，其虚字密度要显著高于唐诗，这一现象并非仅由不同的诗歌主张所造成。从唐代各阶段直至宋代虚字密度呈现出的连续性攀升态势中，我们便可窥见端倪。这一过程有主“理”的外力推动，亦不能忽视语言因时而变的自发性，尤其是那些反映诗人群体的共同性特征，往往并非诗人个体刻意为之，而是汉语的整体使用习惯悄然发生了变化。此外，尽管宋诗的语言体式已显露出某种“现代性”，如白话与通俗意味加重，但从虚字使用密度发展的整体趋势来看，这种白话转向似乎并非始于宋，而是自唐代近体诗形成后不久便已悄然萌芽了。

2025年第11期

2025年第11期

山东社会科学

比特人文

投稿邮箱：dhbase@126.com

扫码关注 获取更多资讯

图片

阅读原文

跳转微信打开

  •  
  • ↗️
✇12 - 南京师大比特人文公众号
↗️

多民族文字文献智能识别工具 | 人文研究的数字钥匙 · 朝鲜文篇

徐惠 2026-01-31 12:10 江西

中国社科院等研制朝鲜文智能识别工具，赋能人文研究与文化遗产保护。

数字工具与数据正在为人文研究带来一场深刻的“质变”，它不仅仅是效率的提升，更是研究范式、问题边界和知识形态的根本性拓展。

中国社会科学院民族学与人类学研究所民族语言文化行为实验室将陆续介绍研制的系列多民族文字文献智能识别工具，这些专为学术研究设计的工具，正悄然改变着人文学者的工作方式。让跨文字研究变得前所未有的便捷。本期介绍朝鲜文智能识别工具。

朝鲜文又称“训民正音”，是15世纪朝鲜王朝世宗大王主导、集贤殿学者郑麟趾等参与创制的表音文字体系。初始的中世朝鲜文（古朝鲜文）共28个字母（17个辅音、11个元音）；发展至现代，规范字母已增至40个（19个辅音、21个元音，含10个单元音、11个双元音）。其构字以音节为单位，是将辅音、元音（和收音）组合成一个方形音节块的方块字。

朝鲜文遗存文献丰富，涵盖中世《训民正音》《龙飞御天歌》等众多典籍，以及现代各领域文本，这些文献是研究朝鲜民族语言文化的核心载体，也是民族历史文化传承的重要依托。

01

研究痛点：朝鲜文文献的数字鸿沟

朝鲜文文献作为东亚历史文化的重要载体，蕴含着丰富的学术价值。从《朝鲜王朝实录》到各类民间文书，这些材料记录了数百年来的政治、社会与文化变迁。

然而，对许多人文学者而言，朝鲜文文献的研究始终存在一道技术门槛。当学者需要引用朝鲜文材料时，传统的手工转写和录入过程既繁琐又易出错，尤其是面对古籍中复杂的文字排版时。即使是掌握了朝鲜语的研究者，在数字化处理过程中也常面临技术障碍——特殊的文字结构、历史拼写变体，以及古籍中常见的朝汉文字混合排版，都增加了数字化的难度。

02

精准识别：学术专研工具

针对朝鲜文文献处理的特殊需求，中国社科院民族学与人类学研究所民族语言文化行为实验室与中央民族大学中国少数民族语言文学院研制的这款识别工具，具备多项专门优化功能。

工具的核心优势在于能够精准识别古籍中朝鲜文与汉字混合排版。无论是纯朝鲜文文本，还是朝汉混排的复杂版面，系统都能准确区分不同文字体系，保持原文的结构与格式。

对于朝鲜语特有的字母组合与拼写规则，工具采用深度学习模型进行训练，能识别不同历史时期的文字变体，包括部分在现代已不常见的拼写方式。

这种专门化设计确保了识别结果不仅字符准确，更符合学术研究对文献原貌保真的高标准要求。

03

操作革新：三步完成文献数字化

这款工具的操作流程设计极简，学者无需特殊技术培训即可上手使用：

把工具安装到本地电脑，然后截图即可把图片变成可编辑的文本。识别结果可直接复制到Word、Excel等常用学术软件中，同时提供标准转写选项，满足不同出版规范要求。为了满足识别横排和竖排文献，我们分别设计了横排和竖排识别功能。

04

工具和后台模型：应用场景

古籍数字化项目：支持批量处理大量朝鲜文古籍，快速建立可检索的数字文献库。

学术写作与引用：研究者在写作过程中如需引用朝鲜文原始文献，只需截图即可获得准确文本，直接插入论文中，保持学术规范性。

教学材料准备：教师可轻松将朝鲜文文献转化为课堂材料，制作双语对照文本，便于学生理解。

05

学术价值：赋能人文研究新可能

朝鲜文识别工具的推出，不仅仅是技术上的进步，更是研究方法的革新。它使人文学者能够：

扩大研究范围：学者不再受限于个人的文字录入能力，可以探索更广泛的朝鲜文文献。

提高研究效率：节省大量手工转写时间，让学者更专注于文本分析与解读。

促进跨学科研究：为语言学、历史学、文献学等不同领域的学者提供共同的数字化工具基础。

保护文化遗产：通过高效数字化，为保存和传播朝鲜文文献遗产提供技术支持。

如今，当学者们面对厚重的朝鲜文古籍时，不再需要逐字抄录。智能识别工具正成为连接古老文献与现代研究的桥梁，让曾经静默的文字在数字世界重新“发声”，开启朝鲜文研究的新篇章。（工具模型研制团队人员：龙从军、姜镕泽、白海波、刘汇丹、金昱延）

如需要软件工具和后台模型API接口，可以联系：

（1）中国社会科学院民族学与人类学研究所   longcj@cass.org.cn

（2）中央民族大学中国少数民族语言文学学院：2016023@muc.edu.cn

比特人文

投稿邮箱：dhbase@126.com

扫码关注 获取更多资讯

图片

阅读原文

跳转微信打开

  •  
  • ↗️
✇12 - 南京师大比特人文公众号
↗️

中国社科报 | 牵住“人文”牛鼻子 解锁语言“数智”密码

徐惠 2026-01-31 12:10 江西

社科院民族语言文化行为实验室以技术解民族语言传承难题，促数智化发展。

来源：社科院专刊总第831期


在我国的广袤土地上，56个民族孕育的百余种语言如同星罗棋布的瑰宝，构筑起独特的语言文化格局。其中约30个民族拥有本民族文字，其余则依托口耳相传延续文脉。但这些珍贵遗产正面临“传承困境”：新疆的回鹘文古籍，因字形斑驳、排版特殊，学者需耗时数月逐字誊录；云南少数民族的口传史诗，仅靠老艺人代代相传，一旦失传便无迹可寻；大量多民族文种混合排版文献，因书写方向、字形结构差异，只能依赖人工翻查，数字化进程举步维艰。这些现实难题让民族语言文化资源长期“藏在深闺人未识”。

　　为摆脱这一困境，中国社会科学院民族语言文化行为实验室（以下简称“实验室”）锚定“让民族语言文化资料真正‘用起来’”的核心目标，探索出一条清晰可行的技术实践路径。“先把分散在古籍、碑刻、期刊、词典、田野录音录像等材料中的信息数字化，再把能被检索、核查的结构化内容沉淀为知识，用智能技术提升处理效率，最后把成果以平台和工具的形式服务于学术研究、文化传承和民族地区的实际工作。”实验室主管领导、中国社会科学院民族学与人类学研究所党委书记丁赛告诉记者，这条路径不仅破解了长期存在的技术难题，更推动民族语言文化研究迈入智能化发展的快车道。

破界融合：

　　构建人文牵引技术研究新范式

　　实验室的探索并非一蹴而就，其前身可追溯至1993年成立的语音学与计算语言学研究室，2015年更名为“民族语言实验研究室”，2023年正式启用现名。近两年来，实验室以“人机共享数据资源体系”为基石，运用人工智能技术突破知识关联瓶颈，依托自然科学仪器开展语言文化和认知行为实验，为民族语言文化保护与铸牢中华民族共同体意识研究提供了系统性支撑，走出了一条区别于传统研究的创新之路。

　　在研究范式上，实验室开创性确立“人文问题逆向牵引技术”的核心路径，打破了国内常见的“技术驱动”交叉模式的局限。“我们从不把人工智能当作现成工具简单套用，而是先聚焦真问题。”实验室主任、中国社会科学院民族学与人类学研究所研究员龙从军告诉记者，团队始终围绕民族语言保护、文化遗产数字化、中华民族共同体心理机制等人文核心命题，倒逼技术进行针对性适配与创新性突破。这种“问题导向”的研究机制，让科研工作既紧密对接国家战略需求，又能直接丰富语言学、民族学、心理学等学科的理论体系，实现了技术价值与学术价值的同频共振、双向赋能。 

　　在技术体系上，实验室打造了具有高学术门槛的定制化解决方案。团队研究对象自带“特殊性”：多民族语言普遍存在“样本少、写法杂”的困境，唐卡、民族建筑等文化符号缺乏标准化表征，多源异构数据格式繁杂、难以整合。“这些特性让通用技术模型完全‘水土不服’，必须开展技术再创造。”中国社会科学院民族学与人类学研究所副研究员安波坦言，这项工作不仅要求团队成员具备深厚的人工智能、大数据处理等技术积累，更需对研究客体的语言系属、文化内涵、历史背景有精准深刻的理解。“技术+人文”的双重专业要求，让实验室的技术成果具备独特的竞争力。

　　在综合交叉能力上，实验室构建了全链条闭环技术体系，实现了系统性突破。“国内学术界虽有语言识别、心理测量等单一方向的交叉研究，但缺乏完整的研究基础设施。”据中国社会科学院民族学与人类学研究所研究员孔敬介绍，团队搭建起从“感知层（文字/语音识别）”到“认知层（心理实验）”再到“知识层（知识图谱）”的完整架构，将文、理、工、医等多学科深度嵌入同一研究框架。这种跨学科整合能力让团队能够对“语言—文化—心理—行为”这一复杂系统开展贯通式、多维互证研究，打破了传统研究的碎片化局限。

硕果盈枝：

　　核心成果破解文化传承难题

　　基于前期多年的探索积累，实验室通过两年集中建设，形成了多民族文种混排检测与识别体系、基础数据资源库集群、多民族口语语音自动转写技术等一系列标志性成果。这些成果从材料处理、数据支撑、研究方法等多个维度，为民族语言文化传承与学术研究提供了全方位解决方案。

　　多民族文种混排检测与识别体系的诞生，彻底攻克了混合文字文献数字化的行业难题。在我国历史文化典籍中，大量多民族语言文字混合排版的文献因字形结构、书写方向和排版规则差异显著，长期面临自动化识别难的技术瓶颈，其数字化处理一直是学术界未能有效解决的重要课题。实验室研发了一套完整的多文种检测与识别系统解决方案：通过构建先进的多文种检测模型，实现了对混合排版文献图像的精准文种定位与分类；基于此，系统可完成对不同文种区块的自动化切分与归类。

　　在完成切分和归类后，实验室利用神经网络技术，开展维、回鹘、满、藏、彝、国际音标、西夏文等字符识别工作，不仅自主掌握了多文种识别模型，还研制出系列工具。“其中，‘龙水识字’OCR识别工具已达十余种，7项成果斩获2024年度国际数字人文奖三等奖。”龙从军告诉记者，针对不同文种的特性，部分识别模型打造了多套版本。针对回鹘文文献的特殊性，团队还创新性提出“识别回鹘文拉丁转写再转换为回鹘文字符”的技术路径，成功破解回鹘文古文献与研究文献的数字化难题。

　　除了文字处理领域的突破，实验室构建的民族心理认知多模态实验体系，更为铸牢中华民族共同体意识提供了科学研究范式。实验室整合心理学量表、脑电与眼动追踪技术，构建“主观量表—行为表现—生理指标”三位一体框架，让民族心理机制可测可析。“脑电数据印证了特定神经振荡与情绪调节的关联，眼动数据呈现了不同群体社交信息加工的注意分配模式。”中国社会科学院民族学与人类学研究所助理研究员罗薇表示，这些客观证据结合主观幸福感等变量，清晰阐明了积极民族氛围促进社会和谐的作用路径，为做好民族工作提供了坚实的数据支撑。

　　实验室在口语处理方面取得关键进展。团队采用音素预训练模型，构建智能转写系统，率先开展国家级、省部级非遗口传数据规模化采集标注，完成7种民族语言及方言的识别模型训练，建立覆盖10个重点非遗项目的语音资源库。“经严格测试，所有模型自动转写错误率稳定控制在15%以下，远超传统手工转写效率，标志着我国民族语言语音计算分析实现里程碑式进展。”中国社会科学院民族学与人类学研究所青年学者兰正群认为，这项技术让非遗口传资料、田野访谈的数字化迈入高效时代，不仅为濒危语言保护提供了可推广范式，更奠定了中华民族多元一体语音资源库的核心基础。

　　在学术研究支撑层面，多民族语言亲疏关系计算方法的开创，为语言谱系研究与民族历史考证提供了量化工具。实验室融合编辑距离算法与贝叶斯分类模型，以核心词汇为分析基础，通过计算音韵对应关系与词汇相似度，实现对语言间遗传距离的精准量化。“在彝语方言分析中，数据证实各地方言的高度系统性对应，为驳斥‘彝语方言独立语言’论提供了科学依据；在藏语支与羌语支比较研究中，我们成功验证西藏东南部分语言的羌语支属性，为民族迁徙与文化互动研究提供了关键语言学实证。”中国社会科学院民族学与人类学研究所青年学者陈雅弘举例分析道。

　　向新而行：

　　锚定数智化服务发展蓝图

　　实验室虽已在多民族语言处理、数据资源建设等领域取得多项成果，但仍面临跨学科高层次人才储备不足的短板，制约了研究的深度融合与创新突破；成果评价体系与经费使用的制度性障碍，影响了科研活力的充分释放；国际化合作与标准体系构建尚处于起步阶段，难以充分对接全球前沿资源等亟待突破的发展瓶颈。对此，实验室立足“从实际问题出发、以数据与工具为基础、以服务与应用为落点”的核心思路，擘画了清晰的发展方向。

　　推动民族语言从“数字化”向“数智化”升级，是下一阶段核心任务。“过去我们实验室成功解决了‘能不能处理、能不能检索’的基础问题，未来要聚焦‘处理更准、联得更通、用得更方便’。”据安波介绍，针对低资源语言“样本少、写法多、材料杂”的痛点，将扩大训练数据规模与应用场景覆盖，构建可持续的数据生产迭代机制；同时优化语音自动转写技术，让技术真正适配实际需求。

　　开展基于人工智能的中华民族认同评估与干预机制研究，是实验室服务国家战略的重要举措。依托已搭建的心理量表、脑电和眼动追踪等多模态实验体系，实验室将在更大样本、更丰富场景中构建稳健路径。“我们计划通过本土化、场景化改造，形成适配不同地区、年龄层与教育背景的评估工具，建立规范的数据采集与隐私保护流程。与此同时，围绕积极情绪调节、跨群体理解等设计活动模块，通过‘方案—实施—评估—优化’的闭环试点，沉淀可推广的工作模式，为铸牢中华民族共同体意识提供数据与方法支撑。”中国社会科学院民族学与人类学研究所青年学者薛璐璐如是说。

　　实验室将打通文献库、语料库、知识库、语音库等分散资源，建立统一检索入口，实现“文本—图片—音频—视频—实体概念”的跨模态深度关联。“让研究者从单一线索就能追溯多维信息，如看到一段彝语口传录音，就能同步调取相关古籍文献、文化背景图谱。”中国社会科学院民族学与人类学研究所博士后周子钦满怀期待地说，我们团队还将推动“数据”向“可行动的知识服务”转化——为古籍整理、词典编纂提供定制化工具，为公共文化服务与教育传播打造易用界面，同时完善数据质控与溯源机制，确保信息真实可核查。

　　宁夏大学西夏学研究院院长彭向前是实验室数字工具的使用者，他告诉记者，近年来，世界五大藏地的西夏文献陆续公布，为西夏文献数据库建设提供了丰富素材。然而，西夏文录入工作难度极大，学术界普遍采用四角号码输入法，每个西夏字需键入6位数字才能在电脑中显示，直接导致西夏文献数据库建设工作滞后，西夏文献利用率有待提高。中国社会科学院民族语言文化行为实验室研制出十余种“龙水识字”OCR识别工具，其中的龙水西夏文识别软件实现了关键突破：该软件可将图像中的西夏文字与符号自动转换为可自由编辑的文本，替代传统手工录入模式，推动西夏文献数字化工作迈入全文文本化阶段。

　　从回鹘文古籍的数字重生，到少数民族口传史诗的高效留存；从语言谱系的量化考证，到民族心理的科学解读，实验室的每一步探索，都在为民族语言文化赋能。夯实研究“基础设施”，推动“看得见的材料”转化为“用得上的知识”，再升级为“可落地的服务”，这不仅是实验室的初心使命，更是守护中华文化根脉、促进各民族交往交流交融的关键路径。未来，随着数智化技术的持续迭代、资源壁垒的不断打破，实验室必将让更多民族语言“活起来”“传下去”，为民族地区现代化发展注入动能，让多元一体的中华文明在数字时代绽放更璀璨的光彩。

责任编辑：王晏清

比特人文

投稿邮箱：dhbase@126.com

扫码关注 获取更多资讯

图片

阅读原文

跳转微信打开

  •  
  • ↗️
✇12 - 南京师大比特人文公众号
↗️

免会务费 | 2026年兰卡斯特大学语料库语言学暑期学校开放注册

徐惠 2026-01-30 00:01 江苏

2026年6月15-19日兰卡斯特大学语料库语言学暑期学校开放注册，免会务费。

转载自“语言治理”

兰卡斯特

大学

语料库语言学暑期学校


Lancaster Summer Schools in Corpus Linguistics are held annually during the summer at Lancaster University. Taking part in the summer schools offers a wonderful opportunity to learn about corpus linguistics and their applications from leading scholars in the field and meet many other participants working on exciting projects and topics.  Lancaster summer schools are a truly international event, each year welcoming participants from over 30 countries in the world. While the participants come to Lancaster to learn about corpus linguistics and their applications in different fields, the summer schools are also a place for developing new academic collaborations and building new friendships. 

课程安排

In 2026, our annual Summer Schools in Corpus Linguistics in Lancaster will take place in person. The programme includes both lectures and practical sessions that introduce the latest developments in the field and practical applications of cutting-edge analytical techniques. The summer schools are taught by leading experts in the field from Lancaster University. The summer schools are open to undergraduate, postgraduate and doctoral students as well as postdoctoral researchers and senior researchers. The summer schools are free to attend. 

In 2026, we will offer the following two summer schools (for further details, click through to each Summer School’s full description):

  • Corpus linguistics for analysis of language, discourse and society

  • Corpus linguistics for language teaching, testing and assessment 

If you are interested in studying corpus linguistics at Lancaster University, you can also consider different ways of joining us such as our MOOC in Corpus Linguistics, and our two distance postgraduate programmes, MA in Corpus Linguistics (a two-year programme) and Postgraduate Certificate in Corpus Linguistics (a one-year programme), both delivered fully online. It is also possible to take postgraduate courses in corpus linguistics for institutional credit. You can also check the various online resources we have put together for those interested in learning more about different methods and applications of corpus linguistics. 



报名注册

Dates: 15-19 June 2026

Venue: Lancaster University, Lancaster, UK

Application: The applications process for the summer schools is now open – to apply, please fill in the online application form. Please note, that while the summer schools are free to attend, there are unfortunately no additional sources of funding available to support the summer school participants, e.g. their travel or accommodation

Organising committee: Dr Dana Gablasova

Contact: corpus-summer-school@lancaster.ac.uk

欢迎点击阅读原文进行注册学习


— END —

【欢迎转发给有需要的人】


您可能还想看

SEE ALSO

★ 推荐阅读 ★

重磅！语言研究全球前2%顶尖科学家“年度影响力”榜单正式发布

申丹教授、聂珍钊教授入选文学研究全球前2%顶尖科学家“年度影响力”榜单

重磅！2023年QS世界大学排名正式发布

重磅！CiteScore™ 2021 语言学期刊影响力排名正式发布

科研助力 | 2022年语言学类期刊SJR排名分区列表(附Excel版下载）

科研助力|2022年QS世界大学语言学、文学专业排名

重磅|2022年QS世界大学排名

科研助力| 2020年文学类（A&HCI)期刊排名

科研助力| 2020年传播学SSCI期刊影响因子排名

知网太贵？请收藏26个全球高质量免费电子数据库

学术调查| Martin Hilpert ：什么让语言成为语言

Martin Hilpert ：语言学家的一天都忙些什么？

马丁课堂|Martin Hilpert：语言与大脑的关系：从三个语言学实验谈起

马丁课堂|Martin Hilpert：如何阅读语言学学术论文？

大师对话|Steven Pinker与Noam Chomsky谈语言和人工智能在未来的发展大师对话|Krashen 教授与 Chomsky教授谈现代语言学的发展

大师对话|Halliday, Labov, Jacob Mey,  Embleton教授谈功能语用与社会语言学的融合发展

学术访谈|Ken Hyland：如何在高水平期刊发表自己的学术论文

Hello China (中国传统文化短片中英字幕) 100集免费资源

《Amazing China》 中英双语纪录片资源免费获取

86版《西游记》英文配音版资源免费获取

用英语讲好中国故事之刘欣全英文回怼西方记者（附视频+双语文稿）

用英语讲好中国故事之《四季中国》免费获取

图片


比特人文

投稿邮箱：dhbase@126.com

扫码关注 获取更多资讯

图片

阅读原文

跳转微信打开

  •  
  • ↗️
✇12 - 南京师大比特人文公众号
↗️

CFP | 全球词网国际会议GWLN2026征稿

徐惠 2026-01-29 00:00 江苏

2026年9月GWLN-8维也纳举办，聚焦AI与词汇创新、词典学，征稿出版。

“We are delighted to announce that the eighth iteration of Globalex Workshop on Lexicography and Neology (GWLN-8) will be held in conjunction with the XXII EURALEX International Congress, with financial support from the COST Action ENEOLI (European Network on Lexical Innovation, CA22126).”


Introduction to the Meeting

Over the years, the GWLN series has evolved into the leading international forum for lexicographers, scholars, tool developers, and other practitioners interested in how new words and meanings emerge and how they are detected, evaluated, and described in lexicographic resources.

The central theme of GWLN-8 will be the intersection of lexical innovation and lexicography in the age of artificial intelligence (AI). While AI-based technologies create new opportunities for supporting the lexicographic workflow, recent developments in language models and Generative AI have also profoundly transformed the ecology of neologisms themselves. GWLN-8 will explore current experiences and perspectives on theoretical, methodological, and practical challenges converging lexicography, neology, and AI.


PART1

Submission requirements

Abstracts of approximately 500 words should highlight the connection between neology and lexicography, preferably in relation to AI, and will be peer-reviewed by two members of the Scientific Committee. 

PART2

Meeting arrangement

GWLN-8 will be held at the Austrian Academy of Sciences in Vienna, on September 29, from 9:00 to 13:00 CEST, and posters will be presented at the EURALEX poster session on September 30. Selected GWLN-8 papers will be published as a special issue of International Journal of Lexicography in 2027.

（ENEOLI members presenting at GWLN-8 will be eligible for financial reimbursement.）

PART3

Important dates

  • March 2, 2026 : Abstract submission

  • April 2, 2026 : Abstract acceptance notification

  • April 17, 2026 : Deadline for confirmation by authors of their workshop attendance

  • July 10, 2026 : Early Bird registration deadline for EURALEX 

  • July 24, 2026 : Submission of camera-ready copy of abstracts

  • September 1, 2026 : End of registration for EURALEX

  • September 29, 2026 : GWLN-8 at the Austrian Academy of Sciences, Vienna

preliminary timetable for full papers

  • November 15, 2026 : Full paper submission to IJL 

  • January 15, 2027 : Full paper acceptance notification

  • February 15, 2027 : Submission of revised full papers

PART4

Information

PART5

Chairs

  • Ilan Kernerman, Lexicala by K Dictionaries

  • Kris Heylen, Dutch Language Institute


= END =

比特人文

投稿邮箱：dhbase@126.com

扫码关注 获取更多资讯

图片

阅读原文

跳转微信打开

  •  
  • ↗️
✇12 - 南京师大比特人文公众号
↗️

【访学申请】香港中文大学中国文化研究所访问学人计划2027

徐惠 2026-01-29 00:00 江苏

2027香港中文大学中国文化研究所访学计划，4月30日申请截止，含补贴等详情。

转载自“香港人文情报小侦探”

香港中文大學中國文化研究所

訪問學人計劃

香港中文大學中國文化研究所訪問學人計劃 2027 贊助從事中國研究的學者到香港中文大學作為期三個月至四個月的訪問，並積極參與中大的學術活動，申請資格及詳情可參閱海報。

查詢：ics-programmes@cuhk.edu.hk

申請鏈接：

https://cloud.itsc.cuhk.edu.hk/webform/view.php?id=13724711

更多申請信息：

https://www.ics.cuhk.edu.hk/zh/ics-events/eventdetail/300



比特人文

投稿邮箱：dhbase@126.com

扫码关注 获取更多资讯

图片

阅读原文

跳转微信打开

  •  
  • ↗️
✇12 - 南京师大比特人文公众号
↗️

免费会议 | 多模态生成式人工智能时代语料库语言教学工作坊

徐惠 2026-01-28 17:02 江西

2026年香港教育大学线上语料库语言教学工作坊，免费，3月1日前报名。

转载自“应用语言学研习与区域国别学”

CBLP Meets with Multimodal Generative AI

图片


我们诚挚地邀请您参加由香港教育大学（EdUHK）语言学与现代语言研究系（LML）主办的题为“Corpus-Based Language Pedagogy Meets Multimodal Generative AI”的线上师训系列工作坊。本系列工作坊旨在探讨如何将人工智能工具融入语言教学，并促进多模态生成式AI与语料库驱动的语言学习及教学相结合。通过参与活动，您将获得相关实用知识与方法，并有机会加入专属交流平台，与同行共同学习、分享经验。更多具体安排与内容，敬请查阅随附的宣传海报。期待您的参与！ 点此链接即可报名：http://tiny.cc/g6zx001

图片


Workshop Schedule

图片

图片

注册学习

图片

欢迎扫码注册学习


图片

《语义学》（上下卷）

 《信息结构与句子形式》

书讯 | 韦努蒂著《反对工具主义：论翻译》中译本

书讯 | 韦努蒂著《翻译改变一切：理论与实践》中译本

《英语音系》乔姆斯基

《语篇研究：跨越小句的意义》

《语言教学的流派（第3版）》

书讯 | 《韵律音系学》


比特人文

投稿邮箱：dhbase@126.com

扫码关注 获取更多资讯

图片

阅读原文

跳转微信打开

  •  
  • ↗️
✇12 - 南京师大比特人文公众号
↗️

《中文信息学报》新刊概览∣ 2025年第11期（39卷第11期）

JCIP 2026-01-27 17:00 江西

《中文信息学报》2025年11期聚焦多方向中文信息处理，含多篇相关研究成果。

转载自“中文信息学报”

图片

图片

 ↑点开查看清晰大图 

语言分析与计算模型

✦ 基于字级依存句法分析的汉语句子语义组合计算方法

作    者: 梁宇腾,汪凯,张玉洁,满志博,徐金安,陈钰枫

摘    要: 句子的语义表示学习是自然语言处理的基础核心技术,根据语义组合理论,句子的语义将由其组合成分的语义按照一定的组合方式计算得到。在汉语上,这方面的工作提出以汉字或词语作为组合成分并以句法结构作为组合方式的多种模型,在复述识别等应用中取得了较好的效果,受到研究者的关注。该文围绕组合成分的语义表示学习和语义组合方式的建模进行探索,提出基于字级依存句法分析的汉语语义组合计算模型:(1)为了强化汉字的语义表示学习,引入N-gram获取可能构成的词语作为上下文特征,并采用多头注意力机制获取全句的上下文表示; (2)采用图框架依存句法分析获取汉字依存关系特征,并在此基础上构建语义组合计算模型; (3)联合复述识别任务进行汉语句子的语义组合表示学习。作者在 LCQMC 数据集上的实验结果表明,该文方法在 F1 和准确率上分别达到 87.10% 和 86.01%,较现有最优方法提升 1.02% 和 1.20%。此外,在以预训练语言模型 BERT 作为基线的情况下,引入该文提出的方法后,复述识别任务中的 F1 和准确率分别提升 1.65% 和 2.12%,表明该方法同样适用于预训练模型。

关键词 : 字级依存句法分析, 语义组合, 复述识别

引用格式 : 梁宇腾,汪凯,张玉洁,满志博,徐金安,陈钰枫. 基于字级依存句法分析的汉语句子语义组合计算方法[J]. 中文信息学报. 2025, 39 (11): 1-14.

LIANG Yuteng, WANG Kai, ZHANG Yujie, MAN Zhibo, XU Jin’an, CHEN Yufeng. Sentence Semantic Composition Computing Method Based on Chinese Character Dependency Parsing[J]. Journal of Chinese Information Processing. 2025, 39 (11): 1-14.

全文链接： 点击下载

✦ 融合文本困惑度特征和相似度特征的推特机器人检测方法

作    者: 王钟杰,张朝文,刘秉权,丁文琪,付雨濛,单丽莉

摘    要: 推特机器人检测任务的目标是判断一个推特账号是真人账号还是自动化机器人账号。随着自动化账号拟人算法的快速迭代,检测最新类别的自动化账号变得越来越困难。最近,预训练语言模型在自然语言生成任务和其他任务上表现出了出色的水平,当这些预训练语言模型被用于推特文本自动生成时,会为推特机器人检测任务带来很大挑战。该文研究发现,困惑度偏低和相似度偏高的现象始终出现在不同时代自动化账号的历史推文中,且该现象不受具体预训练语言模型类型的影响。针对这些发现,该文提出了一种抽取历史推文困惑度特征和相似度特征的方法,并设计了一种特征融合策略,以更好地将这些新特征应用于现有推特机器人检测模型。

关键词 : 推特机器人检测, 预训练语言模型, 文本困惑度分析, 文本相似度分析

引用格式 : 王钟杰,张朝文,刘秉权,丁文琪,付雨濛,单丽莉. 融合文本困惑度特征和相似度特征的推特机器人检测方法[J]. 中文信息学报. 2025, 39 (11): 15-23.

WANG Zhongjie, ZHANG Zhaowen, LIU Bingquan, DING Wenqi, FU yumeng, SHAN Lili. Twitter Robot Detection Based on Text Perplexity and Text Similarity[J]. Journal of Chinese Information Processing. 2025, 39 (11): 15-23.

全文链接： 点击下载

✦ 基于多属性可控生成的文本去毒害方法

作    者: 丁汉星,庞亮,魏子豪,沈华伟,程学旗

摘    要: 基于大规模文本语料库的预训练语言模型在文本生成时存在生成毒害文本的潜在风险,即输出的文本可能包含不适当的内容,从而给实际应用带来安全风险。传统的去毒害方法往往将毒害视作一个整体进行处理,未能有效解耦并区分不同类型的毒害成分,这导致了对毒害信息缺乏针对性的精细化控制,从而使得去毒害效果相对有限。针对传统方法的不足,该文提出了一种多属性可控的文本去毒害方法。该方法利用变分自编码器学习多类毒害信息的联合隐空间分布,并结合联合隐空间的能量模型和独立的毒害判别器,实现了对各类毒害信息的精细控制并显著消除。实验结果显示,该方法在降低多类毒害信息的生成水平方面明显优于现有方法,同时保证了文本的流畅性和多样性。

关键词 : 预训练语言模型, 文本去毒害, 多属性可控生成

引用格式 : 丁汉星,庞亮,魏子豪,沈华伟,程学旗. 基于多属性可控生成的文本去毒害方法[J]. 中文信息学报. 2025, 39 (11): 24-33,49.

DING Hanxing, PANG Liang, WEI Zihao, SHEN Huawei, CHENG Xueqi. Multi-aspect Controllable Text Generation for Text Detoxification[J]. Journal of Chinese Information Processing. 2025, 39 (11): 24-33,49.

全文链接： 点击下载

语言资源建设与应用

✦ 构建面向审计领域的大规模知识库及大模型评测指令数据集

作    者: 黄佳佳,徐超,李鹏伟,詹天明,郑纬民

摘    要: 随着审计数智化程度的提高,构建面向审计领域的大规模知识库成为一项迫切需求。该文介绍一种领域知识库构建框架,并基于该知识库构建了大模型评测数据集。首先,分析审计知识需求并设计知识表示框架,收集领域文本并利用信息抽取技术获取结构化知识。其次,提出一种基于领域专家指导的半自动化本体构建方法快速构建审计领域本体,通过神经网络抽取出大量领域命名实体并从海量审计文本中自动抽取审计知识三元组。最后,基于审计知识库,设计指令数据集并评测当前主流大模型在审计任务上的表现。实验结果表明,该文提出的方法在构建面向审计领域的知识库方面取得了显著效果。在指令数据集上的评测结果表明,各类大模型在大部分任务上的回答结果不尽如人意,尚未达到工程应用水准。

关键词 : 审计知识库, 命名实体识别, 大语言模型, 评测语料

引用格式 : 黄佳佳,徐超,李鹏伟,詹天明,郑纬民. 构建面向审计领域的大规模知识库及大模型评测指令数据集[J]. 中文信息学报. 2025, 39 (11): 34-49.

HUANG Jiajia, XU Chao, LI Pengwei, ZHAN Tianming, ZHENG Weimin. A Large-scale Audit Knowledge Base and a Benchmark Dataset for Large Language Model Evaluation[J]. Journal of Chinese Information Processing. 2025, 39 (11): 34-49.

全文链接： 点击下载

✦ 动词驱动事件的共指关系中文语料库构建及大模型评测

作    者: 王皓泽,辛欣

摘    要: 事件共指关系研究是自然语言处理领域的一项基础任务。现有工作主要在封闭域上对事件共指进行研究。为了在开放域上研究事件共指关系,该文提出直接从事件的表达载体出发定义事件共指的研究思路,并具体讨论了动词驱动的事件之间的共指关系。该文构建了动词驱动事件共指关系的数据规范,并将共指关系细分为强共指与弱共指。基于数据规范,人工标注构建了38万余字的中文语料库,含1 000篇文档,29 250个动词,1 858条强共指链,994个弱共指动词对。并进行了流水线共指消解实验:提及检测阶段,采用成分句法分析算法提取动词成分,F1值为96.9%;共指关系预测阶段,分别采用提示工程、指令微调、知识蒸馏评测了大语言模型在该任务上的表现,比较模型预测的平均F1值,其中,提示工程方法为50.0%,指令微调方法为64.4%,知识蒸馏方法为71.7%。将经指令微调的大模型与经有监督微调的小模型进行对比,小模型的推理表现略低于大模型,推理效率远高于大模型。

关键词 : 事件共指关系, 中文语料库, 大语言模型

引用格式 : 王皓泽,辛欣. 动词驱动事件的共指关系中文语料库构建及大模型评测[J]. 中文信息学报. 2025, 39 (11): 50-65.

WANG Haoze, XIN Xin. Chinese Coreference Corpus from Verb-Driven Events and Its Application for LLM Evaluation[J]. Journal of Chinese Information Processing. 2025, 39 (11): 50-65.

全文链接： 点击下载

知识表示与知识获取

✦ 基于超边注意力的双边约束超网络表示学习

作    者: 王威,朱宇,王晓英,黄建强,曹腾飞,陈毅艰

摘    要: 现有的大多数超网络表示学习方法无法有效地捕获超边信息。因此,该文针对上述问题提出一个基于超边注意力的双边约束超网络表示学习方法,该方法首先通过知识表示学习中的平移机制,提出一种超边注意力感知的超路径随机游走算法,以便于在随机游走中保留超网络的高阶元组关系,即超边信息。然后,利用结构派生神经网络模型和高阶元组关系感知模型捕获超网络的节点之间的成对关系和高阶元组关系来分别获得节点表示向量,并对节点表示向量进行线性加权融合。在三个真实世界的超网络数据集上的实验表明,对于链接预测任务,该方法在GPS和drug数据集上较最优基线方法Hyper-SAGNN分别提高了0.58和0.42个百分点;在MovieLens数据集上非常接近于最优基线方法HPSG。对于超网络重建任务,该方法在GPS数据集上均优于基线方法;在Drug数据集上,当重建比例大于30％时,该方法优于基线方法。

关键词 : 超网络表示学习, 高阶元组关系, 超边注意力, 链接预测, 超网络重建

引用格式 : 王威,朱宇,王晓英,黄建强,曹腾飞,陈毅艰. 基于超边注意力的双边约束超网络表示学习[J]. 中文信息学报. 2025, 39 (11): 66-77.

WANG Wei, ZHU Yu , WANG Xiaoying, HUANG Jianqiang, CAO Tengfei, CHEN Yijian. Bilateral Constrained Hypernetwork Representation Learning with Hyperedge Attention[J]. Journal of Chinese Information Processing. 2025, 39 (11): 66-77.

全文链接： 点击下载

✦ 联合结构和边信息嵌入的实体对齐

作    者: 张胜利,段友祥,孙歧峰

摘    要: 实体对齐旨在匹配不同知识图谱中相同对象对应的实体,是知识图谱构建与融合过程中的一项关键任务。传统方法依赖于外部信息和人工定义的规则,适配性较差。基于表示学习的方法之前主要关注结构信息,而对实体边信息利用不够充分。针对以上问题,该文提出了一种联合知识图谱多方面信息嵌入的实体对齐方法。引入预训练模型LaBSE生成值嵌入向量,利用图注意力网络突出重要的属性信息;从语义和字符串两个角度探索得到实体名称特征;利用实体的单跳和多跳邻域信息学习知识图谱的结构嵌入;最后采用加权连结策略对各通道对齐结果进行融合。在公开数据集上的实验结果表明,该方法可以使结构信息和边信息在对齐过程中相互补充和增强,相较于其他方法改进显著。

关键词 : 实体对齐, 知识图谱, 表示学习

引用格式 : 张胜利,段友祥,孙歧峰. 联合结构和边信息嵌入的实体对齐[J]. 中文信息学报. 2025, 39 (11): 78-85.

ZHANG Shengli, DUAN Youxiang, SUN Qifeng. Joint Structure and Side Information Embedding for Entity Alignment[J]. Journal of Chinese Information Processing. 2025, 39 (11): 78-85.

全文链接： 点击下载

✦ 基于知识蒸馏的无监督句向量表征对比学习

作    者: 丁妍,金日泽

摘    要: 近年来研究者们广泛使用对比学习技术进行无监督句向量学习,但仍存在正负样本划分不合理、数据增强易导致文本语义严重改变等问题。该文在无监督句向量模型SimCSE基础上进一步优化了文本正负样例的构建: 在构建正样例时,为了避免学习饱和现象,将输入句子标记(token)进行随机重复操作,以确保正样例的多样性;同时,通过计算语料间的语义相似性分数,选择更有意义的负样例,从而进一步优化模型的性能。此外,该文采用了知识蒸馏方法,利用BERT模型的注意力头(attention heads)机制更好地捕捉句子之间的语义关系,同时保持了无监督训练的优点。在STS(语义文本相似度)数据集上的实验结果表明,该文的方法在无监督环境下基于BERT-base的模型达到了81.03%的Spearman相关性,优于现有的STS基准测试分数。同时,该方法学习到的句向量表征分布更均匀,进一步验证了该文所提方法的有效性。

关键词 : 对比学习, 无监督句向量, 知识蒸馏, 语义相似度

引用格式 : 丁妍,金日泽. 基于知识蒸馏的无监督句向量表征对比学习[J]. 中文信息学报. 2025, 39 (11): 86-94.

DING Yan, JIN Rize. Contrastive Learning of Unsupervised Sentence Representation with Knowledge Distillation[J]. Journal of Chinese Information Processing. 2025, 39 (11): 86-94.

全文链接： 点击下载

机器翻译

✦ 多粒度关键词注意力修正机制的篇章机器翻译方法

作    者: 林超,张为泰,王士进,刘俊华,刘聪

摘    要: 篇章级机器翻译因可充分考量上下文信息,故而能有效提升译文质量与连贯性。然而,输入序列长度的大幅扩增,对翻译模型在长序列里捕获关键信息的能力提出了更为严苛的要求。针对上述问题,该文提出了一种多粒度关键词注意力修正机制的篇章机器翻译方法。具体地,首先引入掩码注意力扰动模块,评估篇章序列中不同词的重要性,并对关键词的权重进行激励,对噪声词权重进行抑制;其次,结合上下文知识迁移学习方法,将模型在子句和句子粒度层面的上下文建模能力迁移至篇章级翻译模型,从而提升篇章机器翻译模型的鲁棒性和翻译效果。与基线篇章翻译模型相比,在开源的WMT篇章翻译任务数据集上,该文方法平均提升0.55个BLEU,用词一致性提升4.1%,表明该方法在上下文信息利用上具有显著的有效性。

关键词 : 注意力修正机制, 篇章级机器翻译, 迁移学习

引用格式 : 林超,张为泰,王士进,刘俊华,刘聪. 多粒度关键词注意力修正机制的篇章机器翻译方法[J]. 中文信息学报. 2025, 39 (11): 95-103.

LIN Chao, ZHANG Weitai, WANG Shijin, LIU Junhua, LIU Cong. Document-level Machine Translation with Multi-ghranularity Keyword Attention Correction Mechanism[J]. Journal of Chinese Information Processing. 2025, 39 (11): 95-103.

全文链接： 点击下载

民族及周边语言信息处理

✦ 融合回译与多种改进的汉老神经机器翻译方法

作    者: 雷歆,周兰江,毛存礼

摘    要: 神经机器翻译现已成为翻译技术主流,在诸多大语种上已取得了极佳的进展,但对于老挝语这种低资源语言的机器翻译技术尚存在欠缺。该文使用弱监督的方法将汉老双语映射在同一向量空间中,减小了因跨语言而带来的嵌入差异,接着使用反向翻译策略缓解了老挝语低资源语言问题,运用汉老平行句对筛选策略得到了扩充的高质量平行句对。在此基础上,对Transformer模型进行改进,实现了编码器-解码器层间的信息增强,使模型翻译性能得到提升,同时引入平均注意力机制,使模型解码速度得到提升。实验表明,该文模型在老汉和汉老翻译任务中BLEU值较基线系统提升了1.36和1.22。

关键词 : 汉语-老挝语, 神经机器翻译, 回译, 信息传输增强, 解码加速

引用格式 : 雷歆,周兰江,毛存礼. 融合回译与多种改进的汉老神经机器翻译方法[J]. 中文信息学报. 2025, 39 (11): 104-111.

LEI Xin, ZHOU Lanjiang, MAO Cunli. Chinese-Lao Neural Machine Translation Method based on Back Translation and Various Improvements[J]. Journal of Chinese Information Processing. 2025, 39 (11): 104-111.

全文链接： 点击下载

信息抽取与文本挖掘

✦ SPTEE:一种用于解决事件抽取任务的生成模型

作    者: 王江晴,白鑫,尹帆,帖军,雷炜豪

摘    要: 事件抽取是自然语言处理中一项重要的子任务。目前在缺乏足够标注语料的低资源场景下如何有效地进行事件抽取任务,仍然是一项具有挑战的任务。Prompt-Tuning范式通过引入文本提示并重新制定下游任务,在低资源场景下取得了不错的效果。受Prompt-Tuning启发,该文为低资源下事件抽取任务提出一种基于软模板(Soft-Prompt-Template)的生成模型SPTEE。SPTEE通过引入可训练的软模板和带有标签语义的标签语义空间,促使模型直接生成触发词、论元及其标签序列。实验结果表明,SPTEE模型在低资源和标准资源场景下都具有良好的表现。

关键词 : 事件抽取, Prompt-Tuning, 低资源

引用格式 : 王江晴,白鑫,尹帆,帖军,雷炜豪. SPTEE:一种用于解决事件抽取任务的生成模型[J]. 中文信息学报. 2025, 39 (11): 112-119.

WANG Jiangqing, BAI Xin, YIN Fan, TIE Jun, LEI Weihao. SPTEE: A Generation Model for Event Extraction[J]. Journal of Chinese Information Processing. 2025, 39 (11): 112-119.

全文链接： 点击下载

✦ 基于对角注意力池化的零样本关系抽取模型

作    者: 胡婕,毕宗旺,高珊

摘    要: 目前主流的零样本关系抽取模型多从设计匹配模式的角度出发,旨在达到性能与推理速度的平衡。它们未考虑匹配中句子表示存在的各向异性问题,限制了模型对底层语义特征的获取,该文引入对角注意力池化来缓解此问题。此外,为了解决预训练语言模型中高低频词不平衡对句子向量造成距离偏差而产生的模型对句子语义理解模糊的问题,该文使用语义向量归一化来平衡高低频词的权重。最后,在预训练语言模型的隐藏状态中引入噪声扰动来缓解预训练过程中存在的过拟合和表示崩溃问题。在两个公开数据集Wiki-ZSL和FewRel上的实验结果表明,所提模型相较于SOTA模型的综合性能以及推理速度都具有明显的优势。

关键词 : 零样本关系抽取, 对角注意力池化, 语义向量归一化, 隐藏状态噪声扰动

引用格式 : 胡婕,毕宗旺,高珊. 基于对角注意力池化的零样本关系抽取模型[J]. 中文信息学报. 2025, 39 (11): 120-129.

HU Jie, BI Zongwang, GAO Shan. Zero-shot Relation Extraction Model based on Diagonal Attention Pooling[J]. Journal of Chinese Information Processing. 2025, 39 (11): 120-129.

全文链接： 点击下载

问答与对话

✦ 基于预训练模型的个性化对话生成

作    者: 徐晖,王中卿

摘    要: 在对话系统中引入用户画像对于生成个性化的对话至关重要。然而,在大多数个性化对话语料库中,用户画像结构是不完整的。尽管神经网络在个性化对话模型方面取得了一些进展,但是它们在学习说话者的个性以及说话者之间互动方面表现出的能力非常有限。为此,该文提出了基于预训练模型的将用户画像信息融入模型中帮助生成个性化对话的方法。具体来说,该文引入了个性化关系树结构,将人物个性以及人物关系以树结构方式进行表示,在预训练阶段,模型通过预测个性化关系树来学习说话者的个性以及人物间的关系,并将学习到的知识迁移到对话生成阶段。实验结果表明,该文所提出的模型在BLEU和PPL等评价指标上提升明显,可以有效地提升对话之间的个性化表现,研究结果还表明了个性化关系树结构对个性化对话模型的重要性。

关键词 : 对话生成, 个性化, 用户画像, 预训练

引用格式 : 徐晖,王中卿. 基于预训练模型的个性化对话生成[J]. 中文信息学报. 2025, 39 (11): 130-137.

XU Hui, WANG Zhongqing. Personalized Dialog Generation Based on Pre-trained Model[J]. Journal of Chinese Information Processing. 2025, 39 (11): 130-137.

全文链接： 点击下载

✦ 基于用户预期情绪感知策略选择的情感支持对话系统

作    者: 陈妍,杨燕,孙宇翔,庄鹏杰,陈成才,贺樑

摘    要: 情感支持对话任务旨在通过对话的方法帮助用户进行情绪疏导,克服其所面临的问题。现有工作仅基于对话历史选择支持策略,用户情绪反馈对策略选择的影响未得到充分利用。因此,该文提出一种基于用户预期情绪感知策略选择的情感支持对话模型(Lookahead Emotion-aware Strategy Selection Model for Emotional Support Conversation,EmoESC),通过模拟用户对不同支持策略产生的反应得到预期情绪,利用强化学习的方法将策略使用前后用户的情绪变化作为奖励,选择使用户预期情绪更佳的支持策略。同时,为了增加回复与用户问题之间的相关性,利用用户问题描述增强回复生成,从而有效缓解用户负面情绪并提供帮助。在ESConv公开数据集上进行的实验表明,EmoESC模型在5项自动评估指标和3项人工评估指标上取得了比其他基准模型更好的效果。

关键词 : 情感支持对话, 策略选择, 强化学习

引用格式 : 陈妍,杨燕,孙宇翔,庄鹏杰,陈成才,贺樑. 基于用户预期情绪感知策略选择的情感支持对话系统[J]. 中文信息学报. 2025, 39 (11): 138-147.

CHEN Yan, YANG Yan, SUN Yuxiang, ZHUANG Pengjie, CHEN Chengcai, HE Liang. Lookahead Emotion-aware Strategy Selection Model for Emotional Support Conversation[J]. Journal of Chinese Information Processing. 2025, 39 (11): 138-147.

全文链接： 点击下载

情感分析与社会计算

✦ 基于结构信息引导LSTM和融合门控机制的方面级情感分析

作    者: 吴文,李卫疆

摘    要: 现有的方面级情感分析研究大部分只关注依存句法关系,忽略了语义依赖关系,导致它们在句法不规范的评论文本数据上表现不佳,并且此类方法没有充分利用线性表示的上下文信息和图编码表示的结构信息。针对上述问题,该文提出了一种基于结构信息引导LSTM和融合门控机制的方面级情感分析模型。该模型同时考虑了句法结构信息和语义结构信息,并通过结构信息引导LSTM在每个时间步指导模型学习结构信息。这种机制能够更好地集成上下文信息和结构化信息,然后通过融合门控机制评估增强表示的结构信息对方面词情感极性的贡献,得到深度融合后的特征进行分类。模型在Twitter、Restaurant和Laptop数据集上的实验结果与基准模型相比均有明显提升。

关键词 : 方面级情感分类, 结构信息引导单元, 门控机制

引用格式 : 吴文,李卫疆. 基于结构信息引导LSTM和融合门控机制的方面级情感分析[J]. 中文信息学报. 2025, 39 (11): 148-159.

WU Wen, LI Weijiang. Aspect-level Sentiment Analysis Based on Structural Information-Guided LSTM and Gate Mechanism[J]. Journal of Chinese Information Processing. 2025, 39 (11): 148-159.

全文链接： 点击下载

✦ 常识图增强双编码器的方面级情感三元组提取

作    者: 姜珊,诺明花,王浩

摘    要: 方面级情感三元组提取(ASTE)是基于方面级别的情感分析(ABSA)中一个复杂而重要的任务,其旨在从评论句中抽取情感三元组。近年来,先进方法主要集中在挖掘深层语义和语法信息,但这些特征仍然不足以准确地提取情感三元组,静态特征也无法对动态语义信息进行建模。该文提出了一种将常识知识与双编码器相结合的模型,引入了动态掩码和动态加权模块,增强了对动态语义信息的捕获能力。同时,构建常识图,将常识知识与语义和句法信息融合,使模型充分掌握领域知识。该模型利用句法依赖树和图卷积神经网络提取结构信息。实验结果表明,该文所提方法在四个基准数据集14lap,14res,15res,16res上的F1值分别提升了2.48％,2.16％,1.93％和2.72％。

关键词 : 情感分析, 常识图, 动态掩码, 动态加权

引用格式 : 姜珊,诺明花,王浩. 常识图增强双编码器的方面级情感三元组提取[J]. 中文信息学报. 2025, 39 (11): 160-171.

JIANG Shan, NUO Minghua, WANG Hao. Enhanced Dual Encoder with Commonsense Graph for ASTE[J]. Journal of Chinese Information Processing. 2025, 39 (11): 160-171.

全文链接： 点击下载

✦ 基于多任务多模态交互学习的情感分析网络

作    者: 薛鹏,李旸,王素格,廖健,郑建兴,符玉杰,李德玉

摘    要: 由于现有方法在融合不同模态的高级与低级特征时,忽视了不同模态特征层次之间的差异。因此,该文提出了多任务多模态交互学习的自监督动态融合模型,通过多层网络结构,构建了单模态特征表示与两两模态特征的层次融合表示,并设计了从低级特征渐变到高级特征的融合策略。为了进一步加强多模态特征融合,使用了分布相似性损失函数和异质损失函数,用于学习模态的共性表征和特性表征。在此基础上,利用多任务学习,获得模态的一致性及差异性特征。在CMU-MOSI和CMU-MOSEI数据集上的实验,结果表明该文模型的情感分类性能优于基线模型。

关键词 : 多模态融合, 多任务学习, 情感分析

引用格式 : 薛鹏,李旸,王素格,廖健,郑建兴,符玉杰,李德玉. 基于多任务多模态交互学习的情感分析网络[J]. 中文信息学报. 2025, 39 (11): 172-182.

XUE Peng, LI Yang, WANG Suge, LIAO Jian, ZHENG Jianxing, FU Yujie, LI Deyu. Sentiment Classification Method Based on Multi-tasking and Multimodal Interactive Learning[J]. Journal of Chinese Information Processing. 2025, 39 (11): 172-182.

全文链接： 点击下载

✦ 一种基于预训练标签序列生成模型的多标签情绪分类方法

作    者: 揭安全,陈雷,曾雪强,左家莉

摘    要: 基于序列到序列的情绪标签生成模型采用循环神经网络建模情绪相关性,是一种有效的多标签情绪分类方法。然而,现有序列生成模型仅通过隐状态隐式地学习标签相关性,难以有效捕捉细粒度情绪间的强相关性。针对这一问题,该文提出了一种基于预训练序列生成模型的多标签情绪分类方法(Multi-Label Emotion Classification Based on Pre-trained BART, EmoBART)。EmoBART模型采用预训练生成式语言模型BART为情绪标签序列生成的网络骨架,使用相关性网络(CorNet)显式地学习情绪相关性。EmoBART模型由编码模块、解码模块和相关性网络模块组成。编码模块提取文本语义信息、解码模块采用生成式标签链构建情绪标签序列、相关性网络模块显式建模情绪相关性,并对情绪标签进行预测。在细粒度情绪数据集上的对比实验结果表明,EmoBART模型具有比已有模型更优的情绪识别性能。

关键词 : 多标签情绪分类, 序列生成模型, 序列到序列, 情绪相关性学习

引用格式 : 揭安全,陈雷,曾雪强,左家莉. 一种基于预训练标签序列生成模型的多标签情绪分类方法[J]. 中文信息学报. 2025, 39 (11): 183-194.

JIE Anquan, Chen Lei, ZENG Xueqiang, ZUO Jiali. A Multi-label Emotion Classification Method Based on Pre-trained Label Sequence Generation Model[J]. Journal of Chinese Information Processing. 2025, 39 (11): 183-194.

全文链接： 点击下载


 图片

↑点开查看清晰大图  


今日责编：双玉酝

比特人文

投稿邮箱：dhbase@126.com

扫码关注 获取更多资讯

图片

阅读原文

跳转微信打开

  •  
  • ↗️
✇12 - 南京师大比特人文公众号
↗️

计算语言学专委会发布2025年度自然语言处理亮点进展

徐惠 2026-01-26 17:02 江西

2026年1月8日，CIPS计算语言学专委会发布2025年NLP五大亮点进展，含中国开源大模型领跑等领域突破。

转载自“CIPS计算语言学专委会”

2025年度自然语言处理

亮点进展

中国中文信息学会计算语言学专业委员会在面向全体委员公开征集的基础上，组织独立评审委员会进行严格评议，现正式发布自然语言处理领域2025年度五大亮点进展。

中国开源大模型推动全球AI普惠发展

中国开源大模型以技术突破、生态完善与全球认可，实现了从“并跑”到“领跑”的关键跨越。中国开源模型在Hugging Face的下载量首超美国，全球使用率达近30%。中国大模型主打低成本、轻量化路线，兼具高效推理与多模态融合特性，大幅降低全球 AI 技术使用门槛，提供了高性价比的技术选择。以开源共享为核心的生态模式，正推动全球 AI 技术朝着普惠、多元的方向发展，惠及更多国家与群体。

大模型在数理推理与编程领域实现突破

在 2025 年国际数学奥林匹克竞赛（IMO） 中，配备“深度思考”能力的 Google Gemini 与 OpenAI GPT 以出色表现夺得金牌，标志着大语言模型在复杂数理推理领域取得了具有里程碑意义的突破。“深度思考”机制通过对推理链路进行显式结构化建模，结合动态评估与自我反思，实现对推理过程的动态修正与迭代优化，助力大模型推理能力实现关键跃升。ICPC 2025 编程比赛中，OpenAI 推理系统凭借思维链与双模型协同任务规划获满分，Gemini 也依托多智能体并行生成 - 验证闭环以及代码检索增强技术达到金牌水平。大模型通过分步推理复刻人类解题逻辑，结合自主优化机制提出独特方案，标志其正从单纯信息处理工具，转变为协助解决复杂问题的关键力量。

可验证的奖励强化学习提升大模型推理能力

基于可验证奖励的强化学习（RLVR）是推动大模型深度推理能力发展的关键技术范式。它通过结果验证、单元测试等自动化方式，为模型的推理过程提供高效的结果监督信号，引导模型自主拓展思维链，进而构建起系统化的深度推理模式。这一方法显著提升了大模型在数理科学、代码生成等可验证任务上的性能。

深度研究系统推动信息获取范式向高阶知识精炼跨越

深度研究（Deep Research）系统通过融合大语言模型与结构化分析执行流程，实现了研究范式的关键演进——从“简单内容生成”迈向“高阶知识精炼”。该系统能够自动构建“分析-执行-整合”的闭环研究流程：在分析信息需求后，可按需调用多种工具进行动态检索与数据处理，最终生成附有证据支撑的深度分析报告。该技术范式在复杂问题分析、交叉学科研究等领域展现出显著优势，推动研究效率与系统性提升。

“视觉-语言-动作”技术加速具身智能标准化进程

OpenVLA 作为开源视觉-语言-动作（VLA） 标杆，凭借强泛化性、完善生态与低使用门槛，成为学术研究与工业落地的首选基线，显著推动领域标准化。π 系列VLA模型以流匹配架构与人类视频直接迁移技术破局，在精细操作与开放世界泛化上表现突出，开辟了新技术路径。两者分别引领通用基线与创新架构方向，共同加速具身智能开源生态发展。

比特人文

投稿邮箱：dhbase@126.com

扫码关注 获取更多资讯

图片

阅读原文

跳转微信打开

  •  
  • ↗️
✇12 - 南京师大比特人文公众号
↗️

Nature： 8000年前陶罐上的花卉图案展现了“数学知识”

李斌 2026-01-26 17:02 江西

考古学家发现8000年前哈拉夫陶器花卉图案含二的幂次方数学知识。

按：此文很厉害，过去看陶器上的图片看不出门道，这篇论文思路甚好。

This ancient pottery holds the earliest evidence of humans doing math.

Flower designs on 8,000-year-old pots show “mathematical knowledge,” archaeologists say.

010725_TM_pottery_feat.jpg（距今近 8000 年的哈拉夫陶器上的花卉图案（部分图案已展示）显示花瓣数量呈几何序列。）

原文链接：https://www.sciencenews.org/article/ancient-pottery-math-earliest-evidence?utm_source=Live+Audience&utm_campaign=ecb5ae8ac9-nature-briefing-daily-20260116&utm_medium=email&utm_term=0_-33f35e09ea-499121480

作者：汤姆·梅特卡夫

2026年1月13日上午11:00

分享此内容：

距今近 8000 年前制作的陶器上出现的植物状图案，可能是迄今为止发现的最早的数学思维证据。

耶路撒冷希伯来大学的两名考古学家在最近的一项研究中指出，美索不达米亚北部古代文明陶器上绘制的许多花卉图案都呈现出规律性的花瓣数量，这些花瓣数量遵循一定的数学规律。科学家们表示，这一发现表明，当时的人们在土地和农产品分配方面也运用了类似的数学概念。

虽然在距今46000年前智人绘制的众多古代洞穴壁画中很少见到植物，但植物图案——包括树木、树枝、灌木和花卉——在美索不达米亚晚期新石器时代哈拉夫人（公元前6200年至公元前5500年）的陶器装饰中却十分常见。这项于12月5日发表在《世界史前史杂志》上的新研究，对哈拉夫陶器碎片上的所有植物图案进行了编目。但约瑟夫·加芬克尔表示，正是这些花卉图案“向我们展示了当时人们的数学知识”。

一幅黑白素描再现了一个陶瓷碗，碗上装饰着重复的几何和点状图案网格。哈拉夫陶器上的许多装饰（如图所示）描绘了棋盘格和几何图案中的程式化植物（在这种情况下是四瓣花）。

加芬克尔和莎拉·克鲁维奇研究了自20世纪30年代以来在考古遗址中出土的数千块哈拉夫陶器碎片，并从中鉴定出375块绘有花卉图案。加芬克尔表示，几乎每块陶器上的花朵都由四片、八片、十六片、三十二片或六十四片花瓣构成——这种“几何”递增表明，这些图案的设计灵感来源于二的幂次方。

部分碎片上的大型图案也暗示了数学知识。许多碎片来自装饰精美的彩绘碗，其中一些碗上绘有棋盘格图案内的程式化花卉。

作者认为这些数字并非偶然，而是表明哈拉菲人掌握了此类数学的先进知识。这种基于数字倍增的理解，可能是哈拉菲人为了将土地或作物均分而发展出来的。“这是我们从其他任何来源都未曾发现的数学知识的证据，”加芬克尔说道。

哈拉夫数学与苏美尔人1500多年后在同一地区开创的六十进制（或称六十计数法）数学有着显著的不同。虽然六十进制数学在很大程度上已被十进制数学所取代，但它仍然应用于计时、天文学和几何学等领域。“我们这里所拥有的，”加芬克尔说，“是一个更早的数学体系，早于六十进制。”

比特人文

投稿邮箱：dhbase@126.com

扫码关注 获取更多资讯

图片


阅读原文

跳转微信打开

  •  
  • ↗️
✇12 - 南京师大比特人文公众号
↗️

好文推荐丨袁毓林：疑问的大伞是怎样撑起来的？——从问答的概念图式看疑问形式的允准与缺省条件

语言学札记簿 2026-01-25 11:51 江苏

疑问的大伞是怎样撑起来的？——从问答的概念图式看疑问形式的允准与缺省条件


好文推荐



疑问的大伞是怎样撑起来的？——从问答的概念图式看疑问形式的允准与缺省条件

 《语言科学》 2025年第6期

 关键词：问答；经验完形；经验维度；允准疑问形式；概念驱动；言语规划


提要


      论文从问答的概念结构（经验完形及其经验维度)出发，说明由于说话人（S）的认识状态（不明白、想知道）这一经验维度的突显，使得相关的认识动词和名词可以覆盖和压倒询问动词，来独立地撑起疑问的大伞，从而可以允准疑问形式。文章还从言语产生的概念驱动和言语的宏观与微观规划的角度，阐释了为什么疑问形式的允准者可以是跨单位（词和短语）与跨范畴（动词、名词、形容词、副词和连词）的，为什么在认识动词和属性名词构成的述宾结构中疑问形式可以自由地隐现（构成隐式问句）。


全文



注：本文原载于《语言科学》2025年第6期。

语言学札记簿

感谢您关注公众号，

让我们一起学习吧！


感谢您读到最后，帮我点个“赞”+“推荐”，并“分享”给更多人吧！

阅读原文

跳转微信打开

  •  
  • ↗️