用范畴论分析大模型如何绕过符号接地问题

A Categorical Analysis of Large Language Models and Why LLMs Circumvent the Symbol Grounding Problem

• 构建范畴论框架分析人类与大模型对世界状态的命题转化
• 指出大模型通过语义关联而非真实感知实现意义表征
• 适合对认知科学与语言模型机制感兴趣的读者

本文提出一个形式化的范畴论框架，用于分析人类和大型语言模型（LLMs）如何将内容转化为关于可能世界空间W的可评估真值命题。基于该框架，论文论证大模型并未真正解决符号接地问题，而是通过间接的语义关联机制实现了表征的自洽性，从而在不依赖物理感知的前提下完成意义推演。

原文摘要 · Abstract (English)

This paper presents a formal, categorical framework for analysing how humans and large language models (LLMs) transform content into truth-evaluated propositions about a state space of possible worlds W , in order to argue that LLMs do not solve but circumvent the symbol grounding problem.

Thank you to arXiv for use of its open access interoperability. PaperDance 不是 arXiv 官方产品；中文卡片由大模型生成，请以原文为准。