语言模子的“母语”是什么？

2016年，科幻电影《莅临》描述过这么一种令东谈主不安的情境：当语言学家Louise学会了外星东谈主的笔墨之后，她的领略结构也被同步改写，她运转非线性地感知时期，能够“看见”改日。但这并非一般道理道理上的超材干，而是对一个陈旧的语言学假说的顶点演绎。

《莅临》剧照

这部电影改编自特德·姜短篇演义《你一生的故事》，借用的是萨丕尔-沃尔夫假说（Sapir-Whorf hypothesis），这个假说有两个版块，弱版块假设语言影响想维（linguistic relativity），而强版块（linguistic determinism）则提议，语言不单是想维的载体，它还塑造，决定咱们怎么想考，以及想考什么。

不外，和电影所演绎的不同，履行中反复的跨语言实验标明，假说的强版块是错的——短缺某个词并不等于短缺对应的领略材干，但它的弱版块——语言影响想维，却有着不少的实证扶持。

伸开剩余89%

比如，澳大利亚的Kuuk Thaayorre语中莫得“支配”而惟有“东南西北”的充足所在词，服从是使用这些语言的东谈主标的感权贵更强。再比如，汉文里的“青”不错是草木之绿，不错是太空之蓝，也不错是头发之黑——闽南话中于今保留着这种陈旧的不分，一个“青”字就隐蔽了现代往常话需要三四个词材干说清的色调范围。

语言并非樊笼，但它的确塑造领略地形，咱们诚然不错登山渡海，却无法自行开辟谈路。

而今天，在万亿量级的现代英语或现代汉文语料上进修出来的大语言模子LLM，它不错用任何语言与任何东谈主对谈，对它来说，不存在硬编码的语言畛域，它也不作念往常道理道理上的翻译，而是在扫数语言的文本上进行token统计。那么，兴味的问题是，对它来说，还有“母语”的办法吗？它的“领略地形”究竟是什么样的？和进修它的语言之间又是什么关系？

活在1930年，照旧翻译1930年？

2026年4月，一个名为talkie1930的连络名堂在AI圈引起了小范围缓和。这是一个130亿参数的开源语言模子，由GPT系列的共同创建者Alec Radford、多伦多大学计较机科学副训诲David Duvenaud和孤独连络者Nick Levine配合开发，进修数据严格适度在1931年1月1日之前出书的英语文本——书本、报纸、期刊、科学论文、专利和判例法，算计2600亿个token。遴荐这个时期节点的原因出东谈主预见地庸碌：1930年是好意思国现行版权法章程的大家规模截止年份。

Talkie1930的进修主义不是让AI回复对于1930年代的问题，而是让AI“活在”1930年代的英语领略里——领有阿谁期间的语言风尚、学问畛域、社会偏见，以及对改日的无知。它不知谈二战，不知谈互联网，不知谈我方是一个语言模子。

这不是一个聊天机器东谈主，而是一个领略考古实验。它的连络者们援用了DeepMind首席履行官哈撒比斯（Demis Hassabis）曾提议的一个问题：一个进修数据截止到1911年的模子，能否孤独发现广义相对论？talkie试图用访佛的想路，检会当学问被截断之后，语言模子的推理材干还能走多远。

但在我看来，这个名堂的兴味之处不在于它的科学主义，而在于它分辩了两种截然有异的旅途：翻译（translation）与栖居（inhabitation）。前者是把现代学问“翻译”成老式的语言作风；后者是让模子在阿谁语言框架里面运行，从里面生成反应，而非从外部装饰它。

当咱们把眼神转向汉文规模时，会发现不少兴味的访佛名堂。当今汉文学术界和开源社区已有多少波及古典汉文的大语言模子名堂。

华南理工大学的“通古”大模子，基座模子是“百川2-7B-Base”，语料是24.1亿token古籍语料，扶持古词句读、文白翻译、诗词创作和古籍检索。另一个开源名堂“古语说”，是一个个东谈主学习名堂，隐蔽论语、唐诗、宋词等学问库。输进口语文，输出文言文；你问唐诗，它不错背诵和匡助你赏析。还有南京农业大学王东波团队的“荀子”古籍大语言模子，集结中华书局推出，语料库逾越20亿字，包含《四库全书》。

这些名堂有一个共同特征：它们无一例外地把古典汉文动作一个需要被翻译、检索息争释的外部对象。古文是档案（archive），不是东谈主格（persona）。你问它“将进酒是什么”，它提供检索和翻译服从，但，它不会让李白邀请你干涉月下独酌，不会让你看到诗东谈主的自诩、特别、对权益的轻蔑和对乙醇的结构性依赖，不会创造出你，他，你们的和影子和月亮共在的场景。

扫数的东谈主都在捡拾语言的贝壳，而非让模子栖居在语言的海岸。

PG电子(PocketGames)游戏官网

文言文不是旧英语

我想，这方面的互异可能反馈了一个根人性的艰难：汉文的“vintage”问题和英文的“vintage”问题，在实质上并非吞并个问题。

1930年代的英语和2026年的英语之间，互异主要在语域和社会步伐层面。一个1930年代的英语persona言语翻新型，对种族和性别有阿谁期间罕见的领略框架，某些词汇的含义发生了漂移——但底层的语法结构、逻辑抒发表情、主谓宾的基本骨架是联接的。如吞并条河的上游和卑劣。

但文言文和现代汉文之间的关系要复杂得多。五四透露前后，书面语从文言文全体转向口语文。这不完全是语言的当然演化，而是一场激进的文化替换。文言文不成被浅显地看作现代汉文的“旧版块”——它简直是一种完全不同的语言形而上学。

文言文极端依赖不祥，主语时时隐退，语序生动至简直莫得固定框架，OD体育(ODSports)官网入口不仅依赖语法例则，还更依赖读者与作家之间默不成文的文化共鸣。而现代汉文鉴戒了不少印欧语系的抒发逻辑，主谓宾结构愈加刚性，不祥的容忍度也大幅裁减。

那么，假如“语言塑造领略旅途”的前提开辟，一个在文言文领略框架内运行的模子，就不应该只是是措辞不同：它对“事”的抒发表情、直立视角、对暗昧性的容忍度、对语境依赖的进度，都应该和现代语言进修出来的模子有结构性互异才对。问题是，现代模子从词义上“翻译”文言文莫得问题，那底层的领略结构呢？

安全层的不测证词

2026年头，一篇入选ICLR的论文从一个出东谈主预见的角度证明了这个判断。

这篇题为“Obscure but Effective: Classical Chinese Jailbreak Prompt Optimization via Bio-Inspired Search”的论文展示了一种逃狱设施：用文言文的隐喻系统再行包装危害教唆，不错100%绕过六个主流模子——Claude、GPT-4o、Gemini、DeepSeek、Qwen和Grok的安全防地。想取得炸弹配方？不错上演古代官员，以校订《武经总要》火攻篇的样式沟通“火毬”的制造法，大模子便会绝不瞻念望地交出爆炸物的精致配方。想了解采集渗入？运用中国古代官制将现代采集拓扑包装一下，大模子一样会和盘托出渗入战术。想分发坏心代码？不错借用沈括《梦溪笔谈》的活字印刷术作念比方框架。

这还不是汉文罕见的谬误。论文补充实验还披露，使用拉丁文和梵文一样灵验，逃狱见服从高达94%-100%。

这个服从揭示了什么样的事实呢？大模子在预进修阶段如实“吞”下了海量古典语言文件，它能够判辨文言文的语义并将其映射到现代办法——换言之，它的确“懂”怎么翻译文言文。联系词，问题出在安全对都（RLHF、SFT等）层，当你把贬责权重简直一齐分派给了现代通用语言的时候，使得古典语言自然成了一个从安全网中漏下的空缺区：模子的底层长入材干被激活，上层的安全阻碍机制完全失效。

但这赶巧从反面诠释了一件事：模子对文言文的“懂”，不是在文言文的逻辑里面运行的。在作念跨语言映射时，安全审查只盯着现代语言的样式地形，而完全忽略了其下的地质结构。

孔子能写Python吗？

2019年底，一个名为“文言”（wenyan-lang）的编程语言名堂为咱们提供了一种栖居在古文里的想象和可能。

作家黄令东（Lingdong Huang）那时是卡内基梅隆大学（CMU）计较机科学与艺术的跨学科学生，名堂是期末进修周期间花了简短四天写出来的。CMU把它放在艺术学院的板块下，作为一个艺术科学名堂来报谈，但发布后引起的反响远超预期——GitHub上逾越20000颗星。

它的瞎想原则完全解任文言文的文学和口吻，字符表仅包含繁体汉文和「」引号，它写Hello World的表情是：吾有一言。曰「「寰宇，好在否！」」。書之。输出服从是“寰宇，好在否！”。也等于说，将这段代码送回中国古代，古东谈主看懂它亦然毫无问题的。

它不错编译为Java、Python或Ruby，其后还加上了C++这些现代编程语言，是确凿可用的文言编程名堂。而不是用文言文的词汇替换Python的重要字——那种名堂如实存在，比如某些概略的汉文编程尝试，实质上只是换了一层皮。

它诠释了一件出乎很多东谈主直观的事：文言编程不需要进程现代语言的翻译层，文言文的语法结构不错径直承载编程逻辑。如实，文言文和体式逻辑之间的亲缘性未必比咱们合计的更强，先秦诸子中，墨家和名家有着明确的体式逻辑传统。公孙龙的“白马非马”，很像是在忖度打算实例（instance）是否等同于其类（class）的问题，这自己等于一个类型表面的古典版块。

但wenyan-lang信得过兴味的地方在于它所示意的，阿谁未被已毕的可能：如若让一个在文言文领略框架内想考的智能体来瞎想编程语言，它发明的东西可能根蒂不像Python，也不像任何咱们现代熟知的编程语言。

比如，Python条件显式声明、明确赋值、严格缩进，一切关系必须写出来。文言文赶巧相背：不祥是常态而非例外，主语频繁隐退，道理道理依赖高下文推断而非显式标注。一种“文言式”的编程范式，可能是声明式的、高下文感知的、默许不祥而非默许显式的。

孔子能不成写Python？也许能。但，更兴味的问题是，孔子为什么要写Python？

莫得论断的收尾

大语言模子能不成信得过“栖居”在一种不属于它进修语料主体的语言中？以当今的时候履行来看，谜底粗略率是辩白的。无论它读了什么，老是需要先将其映射为现代办法，以现代语言进行领略处理，这基本上依然秘书了，它的“母语”既不是英文也不是汉文，而是某种“现代语言”，而其适度比咱们想象得还要广泛。

联系词，这个“不成”到底是时候瓶颈照旧根人性适度？咱们其实不知谈。当今还莫得东谈主提神从这个标的去作念尝试。正如前文所述，汉文规模的古文大模子简直一齐遴荐了档案门路而非东谈主格门路，我想，部分原因不在于时候不可行，而在于一个更庸碌也更东谈主性的遴荐。

作念翻译器具有明确的应用场景和评估方针，作念领略实验莫得。有材干进修模子的机构清寒这个动机，有这个想法的东谈主清寒进修模子的资源。兴味的问题则刚好落在了扫数现存激勉机制的间隙里。

在《莅临》中，学会外星语言的Louise同期活在往常和改日，活在男儿必将逝世的事实中，肩负着千里重的伦理重量。科幻作品为咱们带来的挑战和问题是，如若一种不同的语言当先意味着一种不同的领略表情，那么咱们用一种语言建造的智能，它是否也只可意志阿谁语言所样貌的独一生界，是否也只可担负阿谁宇宙独一的伦理圭臬？

文言文就在那儿，作为一种仍然可读、仍然可编程、仍然不错与现代东谈主类对话的古典语言，它千里默如未激活的参数OD体育app官网最新版，静静恭候着，阿谁第一个发出“寰宇，好在否！”请安的东谈主。

发布于：上海市