理解者的错误校正机制精细校准于语言产生统计——基于主语—动词一致性错误的贝叶斯噪声信道证据

《Cognitive Science》：Comprehenders' Error Correction Mechanisms Are Finely Calibrated to Language Production Statistics

　　

人类交流的一个基本特征是对错误的稳健性：即使说话者和写作者犯错，听者和读者通常仍能确定其意图意义。一个主要假设是，理解者通过内部部署语言产生过程的“噪声信道”（noisy-channel）模型来实现稳健的错误校正。关键的是，为最好地实现错误稳健性，理解者的噪声信道模型应精细校准于语言产生的环境统计，不仅纳入关于交际意图的先验期望（prior expectations），还纳入不同类型说话者错误的结构敏感似然（structure-sensitive likelihoods）。该环境校准噪声信道假设一直难以检验，因为大多数语言产生错误类型的比率难以估计。在此，研究人员通过实验研究理解者对主语—动词一致性（subject–verb agreement）错误的解释来检验该假设，因为此类错误的情境依存语言产生错误率可估计。在一项新颖的自由形式错误校正任务（free-form error correction task）中，参与者编辑含有主语—动词一致性不匹配的句子，以表明他们认为的意图。对所得数据进行贝叶斯分析（Bayesian analysis）显示，理解者的解释既反映项目特异先验期望，也反映与语言产生中错误率密切对应的结构敏感错误似然。这些结果为以下观点提供了定量证据：人类密切追踪语言形式上的先前统计，并部署一个精细校准于语言环境统计的噪声信道模型，以实现稳健的语言理解。

研究背景与问题：语言理解需要对说话者或写作者的错误保持稳健。既有证据表明，理解者使用概率推断应对歧义、预测和语用理解等问题；噪声信道（noisy-channel：将观察到的错误语句视为交际意图经语言产生错误通道生成，并由理解者反推意图的贝叶斯模型）理论进一步提出，理解者内部部署语言产生过程模型。对该理论的强检验需要定量比较理解者内部模型参数与语言环境统计，尤其是不同类型语言产生错误的结构敏感错误率；但多数错误类型个体罕见且校正空间较大，难以估计其频率和内部模型概率。主语—动词一致性（subject–verb agreement：主语与动词在数特征上保持一致）错误具有可估计的情境依存产生错误率，且校正选择相对受约束，因而适合检验“环境校准噪声信道”假说。研究问题在于：理解者对错误句的解释性校正是否同时反映项目特异先验（prior：对可能交际意图的先前概率期望）与结构敏感错误似然（likelihood：给定意图时特定错误类型发生的概率），且其错误似然是否与语言产生统计相校准。

研究概述与主要结论：研究人员开展两项自由形式错误校正实验、一项先验常模研究、贝叶斯计算建模，并再分析语言产生数据。结论是，理解者的错误校正偏好同时受先验和结构敏感错误似然影响；包含二者的全贝叶斯模型优于仅先验、仅似然及结构不敏感模型；估计出的错误似然与语言产生中的错误分布总体对应。该研究为环境校准噪声信道理论提供了定量证据，表明人类追踪语言形式统计并据此反推交际意图，从而实现稳健语言理解。

关键技术方法（不超过250字）：研究I招募99名英语母语者，研究II招募120名，常模研究招募20名（6名因注意检查未通过被排除），均来自Prolific在线平台。研究I要求被试对含主语—动词数不匹配的目标句进行强制自由编辑；研究II允许跳过，并将编辑映射为主体、动词、主体+局部名词、动词+局部名词四类校正。常模研究以无数量屈折动词呈现四种无错版本，收集可能性评分以估计先验。计算上构建全贝叶斯噪声信道模型及仅先验、仅似然、结构不敏感替代模型，在Stan中拟合，加入项目和被试随机截距，用马尔可夫链蒙特卡洛（Markov chain Monte Carlo, MCMC）估计；用均方误差（mean squared error, MSE）、似然比检验和期望对数点预测密度（expected log pointwise predictive density, ELPD）交叉验证比较模型。错误似然校准通过再分析Ryskin, Bergen, et al.和Kandel et al.的语言产生数据，用多级统计模型（multi-level statistical model）估计跨研究错误似然；另用GPT-2（一种神经语言模型）导出先验作稳健性检验。

研究结果：
2 人们在主语—动词数不匹配校正中的行为：两项研究显示大多数试次解决了数不匹配；SPP条件更常未被解决，校正类型分布总体偏好改动词。
2.1 研究I：自由形式错误校正：强制编辑任务中，6.501%的试次未解决不一致；校正分布显示强动词校正偏好，主体校正率随条件变化，并与既往非字面解释结果一致。
2.2 研究II：可选自由形式错误校正：可选跳过时未解决率为9.853%，SPP条件最高；解决试次的校正分布与研究I相似，支持结果稳健。
3 计算模型：构建全模型和消融模型，假设理解者按后验概率选择错误类型；全模型含结构敏感错误似然，替代模型分别仅先验、仅似然或结构不敏感。
4 校准噪声信道推断的证据：合并两项研究建模，显示先验和似然均贡献于解释。
4.1 模型比较：全模型MSE最低、相关更高；似然比检验拒绝结构不敏感模型；ELPD交叉验证支持全模型泛化，SPP条件差异较大。
4.2 先验效应：动词校正率与同主语短语无错句先验显著相关；全模型先验温度后验均值为4.146（95%可信区间（credible interval, CI）[3.694,4.590]），表明先验强效应。
4.2.1 常模研究：用滑块评分估计四种无错版本先验，并归一化为概率分布。
4.2.1.1 对先验期望中细粒度模式的敏感性：动词校正频率与对应无错版本先验显著相关，支持项目特异先验。
4.2.2 比较人类常模先验与GPT-2导出先验：GPT-2先验与人类常模显著相关，主要定性结果一致；但先验温度不同，研究人员不认为GPT-2可简单替代人类常模。
4.3 错误似然的校准：比较模型估计与语言产生统计。
4.3.1 语言产生中错误分布的再分析：用多级模型整合Ryskin, Bergen, et al.和Kandel et al.数据，估计跨研究错误似然。
4.3.2 比较错误似然与语言产生统计：理解者错误似然与产生错误分布总体强对应；动词数错误总体最可能，PPP最易引发主体错误、PSP次之，局部名词错误罕见；SSS存在表面差异，但原文指出该情境总体错误率最低，可能因直接经验较少而更难校准。
5 讨论：讨论理论定位及与记忆检索、good-enough等理论关系；校正主要改动词，不支持频繁重新对齐；偏好强度随结构语境和先验变化，符合环境校准模型；局限包括特定构式、显式任务、先验测量和跨项目泛化；未来可用眼动、脑电等隐性测量。研究结论翻译：本研究考察人类在从错误语言输入推导非真实解释时，是否敏感于语言产生错误的细粒度统计模式。结果表明，人类追踪其可能经历的结构敏感产生错误的主要模式，并利用这些模式反推交际意图和意义；在更高层面上，人类通过部署精细校准于语言环境统计的产生错误统计知识，实现对错误输入的稳健理解。该实验与计算范式可用于定量研究先验经验、错误心理模型与推断之间的关系。