解释生成：问题引导语义空间中的探索

《Cognition》：Explanation generation: Questions direct exploration in semantic space

　　

在日常推理与科学探究中，解释帮助人们对经验与观察建立理解。研究人员考察人们如何生成新的可能解释，具体研究“why”问题的措辞如何塑造对可能解释空间的探索。研究人员假设：把比较两个关键词的问题重新措辞，使其中一个关键词更突出，会引导人们生成与该突出词更密切相关的解释。研究人员使用预训练机器学习模型（pre-trained machine learning model）度量每条解释与比较词的语义对齐程度。研究1操纵两个关键词的顺序，发现解释与较早出现的关键词对齐更强；但该设计不能区分效应来自词语首位性（primacy）还是问题语用（pragmatics）。研究2独立操纵哪个词先出现与哪个词作为语法主语（grammatical subject），发现参与者更易生成与主语相关的解释。结果表明问题措辞可塑造解释生成，说明语用理解会影响人们在概念空间中的探索。

研究背景方面，既有文献多关注解释评价阶段的解释偏好与解释美德（explanatory virtues），如连贯性、简洁性、广度，而忽视候选解释最初如何被生成。若有用解释未进入候选集，即便后续推理再严谨也可能得不到好答案，如消化性溃疡长期被归因为压力与生活方式，直到幽门螺杆菌（Helicobacter pylori）被确认。研究人员提出，人在无现成解释时会通过语义探索（semantic exploration）生成候选解释：一方面从记忆中检索与问题中概念相关的知识，另一方面把新信息与已有知识整合为连贯心理模型。解释生成常由“why”问题触发，而问题措辞可改变被激活的记忆联想与待解释目标，因此有必要检验问题措辞是否及如何引导语义探索。

该研究发表于《Cognition》。研究人员通过两项实验考察对比问题中关键词顺序与语法主语对解释生成方向的影响。研究意义在于把语用推理从“评价已有候选解释”扩展到“生成候选解释时的语义探索导向”，说明提问方式可系统性改变人们看到的解释空间，从而影响最终依赖的解释质量。

关键技术方法上，研究人员使用卡内基梅隆大学（Carnegie Mellon University）校友样本；用 Sentence Transformers 预训练模型 all-MiniLM-L6-v2 将解释与比较词转为句向量并计算余弦相似度（cosine similarity）衡量语义对齐；用 GPT-2 计算比较词在句中的 surprisal；用 SUBTLEXus 词频作为熟悉性（familiarity）代理；并以人类评分员判断做效度校验。研究1有206名校友，研究2进一步独立操纵先出现词与语法主语。

研究结果如下。

1. 2.
   Study 1
   2.1. Method
   研究人员给参与者6道对比式“why”问题，每题两个比较词，并随机翻转词序。用 all-MiniLM-L6-v2 计算解释与目标词、另一比较词的语义相似度之差。结果所示，先出现词与解释的语义相似度更高，支持“较早词更受关注”的假设；但熟悉性未显示影响，surprisal 也未提供额外机制证据。该阶段不能区分首位效应与语用解释。

2.2. Results

2.2.1. Explanations are more similar to earlier words

研究人员发现解释向量与问题中先出现关键词的语义相似度高于后出现关键词，说明词序会偏向解释内容朝向先出现概念。

1. 3.
   Study 2
   研究人员独立操纵“先出现词”和“语法主语”。若主语与先出现词不同，参与者的解释更贴近语法主语而非先出现词。结论为：语用推理中对“问题在问什么”的推断，比直接首位效应更能指导解释生成；并且人们在连续生成解释时会倾向延续前一解释聚焦的词，但也会回扣语法主语所指向的概念。语义探索因此是被目标驱动的：对“应解释什么”的语用推断帮助人高效导航可能解释空间。

讨论与结论部分总结：已有语用与对比解释（contrastive explanation）文献多是规范性或评价性的，关注给定解释—反例（foil）对是否恰当，或让人在已有解释中作选择；本研究则提供经验证据表明，语用线索不仅在评价阶段起作用，也在生成阶段引导语义探索。研究人员得出结论：问题措辞通过语用推断塑造候选解释集，提问者可借措辞系统性影响被考虑的解释集合，并可能影响最终解释质量。换言之，解释生成不是从空白中随意联想，而是受问题主语与对比结构引导的概念空间探索；grammatical subject 比 linear word order 更能预测解释聚焦方向。