텍스트 기반 및 오디오 기반 언어 모델에서의 동사+Up 구동사의 총체적 저장 (Holistic Storage)

언어적 능력의 핵심적인 측면은 저장된 표현(stored representations)과 추상적 지식(abstract knowledge) 사이의 절충(trade-off) 능력입니다. 즉, 학습된 표현을 인출하는 동시에 생산적인 규칙(productive rules)을 적용하여 새로운 표현을 생성할 수 있어야 합니다. 최근 연구들이 언어 모델의 추상적 지식을 조사해 왔으나, 다어구 단위(multi-word units)의 총체적 저장(holistic storage)은 훨씬 적은 관심을 받았습니다. 본 연구에서는 텍스트 기반 LLM(Large Language Models)과 ASR(Automatic Speech Recognition) 모델의 내부 표현을 조사하여, 'V+up' 구동사(phrasal verbs)가 빈도(frequency)와 예측 가능성(predictability)의 함수로서 별도의 표현을 발달시키는지 테스트합니다. 모든 모델은 빈도와 예측 가능성에 의해 유도되는 총체적 저장의 증거를 보여주며, 이는 언어의 사용 기반 이론(usage-based theories)을 더욱 뒷받침합니다.