# ACL 2026 Oral：大模型在短语语义推理上还是“如鲠在喉”

> 原标题：ACL 2026 Oral｜语义推理如鲠在喉：大模型被「短语」难住了

- 来源：机器之心 · 公众号
- 发布时间：2026-06-11T04:30:00.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/37749
- 原文：https://mp.weixin.qq.com/s?__biz=MzA3MzI4MjgzMw==&mid=2651038459&idx=3&sn=2fc7962e868aa2d07d46ad1dda53560d

## 摘要

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%。

## 锐评

85.4% 的习语分类和 22.5% 的释义相似度放在同一个模型上，这个落差比分数本身有意思。分类是选选项，释义要自己生成，前者能靠 pattern 匹配糊过去，后者糊不了。所以拿 benchmark 分数判断模型懂不懂语言，基本是在测它会不会做题。这篇是单篇论文，没跨源验证，我不会拿它当结论，但自己出题的时候，选择题占多少心里得有数。
