罗伊·哈里斯的整合语言学批判了传统的指称主义方法，认为语言是一种面向未来共同行动的情境性双向活动，而非映射预先存在世界的代码。但该理论对符号维持开放性的结构机制、语言与非语言符号活动的连续性及过往整合积累的结构特性解释不足。本文提出埃兰·巴伦霍尔茨的自生语言理论，可以填补这些空白，丰富整合主义而不违背其核心观点，提供了开放性的结构机制、越界符号活动的计算对应及存档理论，对自然语言处理和大语言模型设计提供了理论支持。
这条 研究论文 信号说明，来自 arXiv cs.CL 的信息已经不只是单点新闻，而是值得放进产品、研究和行业判断里的趋势线索。
arXiv cs.CL 发布了这条关于 研究论文 的更新：罗伊·哈里斯的整合语言学批判了传统的指称主义方法，认为语言是一种面向未来共同行动的情境性双向活动，而非映射预先存在世界的代码。但该理论对符号维持开放性的结构机制、语言与非语言符号活动的连续性及过往整合积累的结构特性解释不足。本文提出埃兰·巴伦霍尔茨的自生语言理论，可以填补这些空白，丰富整合主义而不违背其核心观点，提供了开放性的结构机制、越界符号活动的计算对应及存档理论，对自然语言处理和大语言模型设计提供了理论支持。
该研究通过引入巴伦霍尔茨的自生理论，补充了哈里斯整合主义在语言开放性机制和符号活动连续性方面的不足，深化了理论对大语言模型行为的解释，帮助AI研究者更好理解语言模型的统计结构及其局限。
研究员、模型团队和技术战略负责人 应该重点关注这条信号，尤其是正在跟踪 research、papers 的团队。
接下来观察这条信号是否出现开发者采用、竞品回应、研究复现、企业部署或政策/平台层面的后续动作。
本文研究了使用LSTM和传统机器学习模型对推特文本进行情感分析的方法。通过对数据集进行分词、词形还原和去停用词预处理，比较了逻辑回归、随机森林、朴素贝叶斯、梯度提升及LSTM等算法的效果。结果显示，LSTM模型在训练准确率90.98%、测试准确率80.00%及ROC-AUC 0.92的表现上优于传统方法，体现了其在捕捉文本上下文和序列特征方面的优势。
近期在数学AI（AI4Math）领域，特别是基于大型语言模型（LLM）的定理证明器，在利用交互式定理证明语言生成形式化证明方面取得显著进展。但现有系统在处理前沿数学研究，如发现新定理或解决悬而未决的猜想时仍受限，因其问题多为开放式、多层次抽象。本文综述该领域，包括数据集、自自动形式化和证明合成，指出现有系统作为数学研究代理的核心瓶颈，并提出未来AI4Math的发展路线图。
本文介绍了DeepSearch-Evolve，一种基于DeepSearch-World可验证环境的自我蒸馏框架，用于训练网页搜索代理。DeepSearch-World包含42万个多跳问答任务，支持进度验证、反思和故障恢复等关键认知行为，有助于代理自我进化。DeepSearch-Evolve通过轨迹生成、筛选、数据混合和微调，逐步提升代理性能。无需从更强模型蒸馏，DeepSearch-World-9B在BrowseComp、GAIA和HotpotQA等测试集上表现优异，展示了可验证环境对于长远网页代理自我进化的潜力。本文还将开放环境、数据集、模型和代码，促进相关研究。