探索專家參與的大型語言模型在古代文本互文分析中的話語模式

Core Concepts

大型語言模型能夠檢測文本之間的直接引用、暗示和回響,並生成新的互文觀察和連結,但也存在長查詢段落和包含錯誤互文依賴的問題,突出了專家評估的重要性。

Abstract

本研究探索了大型語言模型(LLM)在識別和分析聖經和科因希臘語文本中的互文關係的潛力。通過評估LLM在各種互文情境下的表現,該研究證明這些模型能夠檢測文本之間的直接引用、暗示和回響。LLM生成新的互文觀察和連結的能力突出了其發現新見解的潛力。然而,模型也在處理長查詢段落和包含錯誤互文依賴方面存在困難,突出了專家評估的重要性。本文提出的專家參與方法提供了一種可擴展的方法,用於對聖經語料庫及其他文本中複雜的互文網絡進行互文研究。

實驗結果表明,LLM能夠識別詞彙對應、形態相似性,並檢測直接引用、暗示和主題/結構平行。LLM還展示了生成新的互文觀察和連結的能力,這些觀察和連結似乎是前所未有的。然而,LLM在處理長查詢段落時會產生錯誤,並且有時未能考慮共同的前文本。因此,需要專家評估LLM生成的互文候選項。

Stats

"ἐν ᾧµέτρῳµετρεῖτε µετρηθήσεται ὑµῖν"與"ᾧµέτρῳµετρεῖτε, ἐν αὐτῷµετρηθήσεται ὑµῖν"非常相似,似乎是直接引用。
兩段文本都使用了相對罕見的被動未來動詞"κριθήσεσθε"(你們將被審判)和"µετρηθήσεται"(將被量度)。
兩段文本都以第二人稱複數現在式動詞"ποιεῖτε"(你們做/製造)和"δίδοτε"(你們給)勸勉聽眾以某種方式行事/對待他人。

Quotes

"ἐν ᾧµέτρῳµετρεῖτε µετρηθήσεται ὑµῖν"
"ᾧµέτρῳµετρεῖτε, ἐν αὐτῷµετρηθήσεται ὑµῖν"
"κριθήσεσθε"
"µετρηθήσεται"
"ποιεῖτε"
"δίδοτε"

Key Insights Distilled From

Investigating Expert-in-the-Loop LLM Discourse Patterns for Ancient Intertextual Analysis

by Ray Umphrey,... at arxiv.org 10-01-2024

https://arxiv.org/pdf/2409.01882.pdf

Deeper Inquiries

除了直接引用、暗示和回響之外,LLM是否還能發現其他形式的互文關係?

除了直接引用、暗示和回響，LLM還能發現其他形式的互文關係，例如主題相似性、結構特徵和語言學上的相似性。LLM能夠進行語義分析，識別文本之間的主題共通點，這些主題可能不會直接引用或明示，但卻在文本的整體意義中相互交織。此外，LLM還能夠分析文本的結構，找出相似的修辭模式或敘事結構，這些結構上的相似性可能暗示著文本之間的潛在關聯。透過這些分析，LLM能夠提供更全面的互文性理解，幫助學者探索文本之間更深層的聯繫。

如何克服LLM在處理長查詢段落時產生錯誤的問題?

為了克服LLM在處理長查詢段落時產生錯誤的問題，可以採取幾種策略。首先，將長查詢段落拆分為較短的片段進行分析，這樣可以減少模型的計算負擔，並提高其準確性。其次，使用逐步引導的方式，逐步引入查詢的不同部分，讓模型在每一步中專注於特定的文本片段，這樣可以提高其對文本的理解和分析能力。此外，對於每個查詢片段，提供清晰的上下文和具體的問題指引，能夠幫助LLM更好地聚焦於所需的互文性分析，從而減少錯誤和非連貫的推理。

如何利用LLM生成的新的互文觀察和連結來推動聖經研究的新發展?

利用LLM生成的新的互文觀察和連結，可以推動聖經研究的新發展，首先是通過提供新的研究視角和問題。LLM能夠識別出學術界尚未充分探討的文本之間的潛在關聯，這些關聯可能會引發新的研究問題和討論。其次，這些新的觀察可以促進跨學科的合作，結合語言學、文學和神學等不同領域的專業知識，從而深化對聖經文本的理解。此外，LLM的分析結果可以作為進一步實證研究的基礎，學者們可以根據LLM的建議進行實地考察或文本比較，從而驗證和擴展這些新的互文性觀察，最終推動聖經研究的整體進步。