研究神经网络句子编码器是否能够学习利用语言特征预测实用推理的强度，发现 LSTM 句子编码器能够高精度地预测人类推理强度评分，并学会利用语言特征预测实用推理。

Oct, 2019

研究了基于常识推断和自然语言的自动化推断能力，并提出了一种以推理推断为基础的评估框架和数据集，使用神经序列到序列模型训练。此外，通过序数标注协议注释预先建立的数据集并分析其区别。

Nov, 2016

通过与人类实验结果进行对比，使用先进的大型语言模型预测，本研究关注明确和嵌入的分明性推论以及常规数量意涵的三种推论，并发现模型结果与人类实验结果在这些推论的大幅差异以及精细差异方面基本一致。

May, 2024

本文考察了大型语言模型对语言习得中的概率关系和上下文敏感性建模的能力，并针对基于强度先验条件的语境下的 pragmatism utterances 进行了阈值估计实验。结果表明该方法成功地推导出了一些复杂 pragmatic utterances 相关的人类类似信息分布，但对于否定的组成较为困难。

May, 2023

我们提出了一个基于先验推理和学习语义结合的思想来描述场景的模型，成功率高于现有技术。

Apr, 2016

探究语言约定如何形成整个社区期望结合个体专属知识，提出了基于分层贝叶斯模型的解决方案，并进行了针对具体伙伴的自然语言沟通实验进行了模型预测的评估，结果表明伙伴特异性不仅与社区范围内的约定形成相容，而且可以与强大的归纳机制相结合，加以促进。

Feb, 2020

这项研究使用 GPT-4 等大型语言模型探究了标量形容词的词汇语义和语用学的一个方面，即标量多样性。结果发现，这些模型对标量形容词的词汇语义有很好的理解，但对标量多样性的理解却不足。同时，对比了不同规模和复杂性的模型，发现较大的模型并不总是更好。最后，通过利用语言直觉和模型训练目标解释了探索结果。

Apr, 2024

本文探讨使用认知心理学方法估计和比较人类和 GPT-3 的概念表征结构，结果表明语义结构的估计在人类之间保持一致，而在 GPT-3 中则取决于所使用的任务。

Apr, 2023

本文提出了一种可扩展的语用学方法，通过信息论原理来在代理人之间掌握语用技能，建立了一种新的架构和学习过程，而不是依靠人类数据。

Aug, 2021

本研究提出了一种名为 “社会偏见框架” 的新的概念形式化模型，以模拟人们如何将社会偏见和刻板印象投射到其他人身上的框架，并建立了一个名为 “社会偏见推理语料库” 的数据集来支持大规模建模和评估，分析表明当前最先进的神经模型虽然能够高效地对是否含有不良社会偏见进行分类，但在详细解释社会偏见框架方面并不有效。本研究为今后的研究工作提供了指导，即将结构化的语用推理与社会影响的通识推理相结合。

Nov, 2019