跨语言零样本理解新突破：贝叶斯推理模型揭示语言互通认知机制

在跨语言交流中，人们常能部分理解陌生但相关的语言（如西班牙语使用者理解意大利语），这种现象被称为“语言互通理解”。arXiv最新研究提出了一种创新的计算模型，将这种零样本跨语言理解建模为贝叶斯概率推理过程。

该模型的核心突破在于：仅使用母语（L1）的语言模型对观察到的陌生语言（L2）语句进行潜在翻译假设评分，同时通过通用噪声模型推断L2与L1词汇间的映射关系。映射可基于形式相似性（如拼写接近）或符号规则建立，无需预先学习目标语言。

研究团队设计了严谨的行为实验：让英语、西班牙语、俄语使用者分别尝试理解荷兰语、意大利语、乌克兰语语句。结果显示，完整贝叶斯模型的预测分布与人类实际理解表现高度一致，优于消融实验版本。更值得注意的是，该模型在零样本场景下的表现甚至优于提示规模大得多的通用大语言模型。

这项研究不仅提供了认知上合理的跨语言理解计算解释，还揭示了人类在真实跨语言场景中面对高度不确定性时的灵活推理能力。研究代码已开源，为语言认知科学和跨语言NLP提供了新工具。该模型轻量高效的设计思路，也为低资源语言理解任务提供了新范式。