ACL 2026 Oral:大模型在短语语义推理上还是“如鲠在喉”
ACL 2026 Oral|语义推理如鲠在喉:大模型被「短语」难住了
这篇ACL 2026 Oral论文给前沿大模型做了一次短语层面的“体检”,结论有点反直觉:模型能聊但未必真懂。研究把语义理解拆成抽取、分类、释义三步来测,发现没有一个模型能全优。GPT-5在习语分类上能到85.4%,但同一批短语的抽取就掉到78.7%,释义相似度更是只有22.5%。
推荐理由:ACL 2026 Oral 论文把语义理解拆成抽取、分类、释义三步测试前沿模型,GPT-5 习语分类达 85.4%,同批短语抽取降至 78.7%,释义相似度仅 22.5%。