Buchumschlag

Child vs. machine language learning: Can the logical structure of human language unleash LLMs?

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Sauerland, Uli, Matthaei, Celia, Salfner, Felix
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computation and Language Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Can LLMs interpret figurative language as humans do?: surface-level vs representational similarity
von: Bollepally, Samhita, et al.
Veröffentlicht: (2026)

HumT DumT: Measuring and controlling human-like language in LLMs
von: Cheng, Myra, et al.
Veröffentlicht: (2025)

Hebbian learning the local structure of language
von: Eugenio, P. Myles
Veröffentlicht: (2025)

Do language models practice what they preach? Examining language ideologies about gendered language reform encoded in LLMs
von: Watson, Julia, et al.
Veröffentlicht: (2024)

Are they human? Detecting large language models by probing human memory constraints
von: Schug, Simon, et al.
Veröffentlicht: (2026)

ChildEval: When large language models meet children's personalities
von: Luo, Yanyan, et al.
Veröffentlicht: (2026)

Can large language models build causal graphs?
von: Long, Stephanie, et al.
Veröffentlicht: (2023)

Strong and weak alignment of large language models with human values
von: Khamassi, Mehdi, et al.
Veröffentlicht: (2024)

Uncovering inequalities in new knowledge learning by large language models across different languages
von: Wang, Chenglong, et al.
Veröffentlicht: (2025)

Natural language processing for African languages
von: Adelani, David Ifeoluwa
Veröffentlicht: (2025)

Generics are puzzling. Can language models find the missing piece?
von: Calderón, Gustavo Cilleruelo, et al.
Veröffentlicht: (2024)

Dissociating language and thought in large language models
von: Mahowald, Kyle, et al.
Veröffentlicht: (2023)

When the LM misunderstood the human chuckled: Analyzing garden path effects in humans and language models
von: Amouyal, Samuel Joseph, et al.
Veröffentlicht: (2025)

Revealing emergent human-like conceptual representations from language prediction
von: Xu, Ningyu, et al.
Veröffentlicht: (2025)

Can pre-trained language models generate titles for research papers?
von: Rehman, Tohida, et al.
Veröffentlicht: (2024)

Can large language models understand uncommon meanings of common words?
von: Wu, Jinyang, et al.
Veröffentlicht: (2024)

Can large language models explore in-context?
von: Krishnamurthy, Akshay, et al.
Veröffentlicht: (2024)

Re-evaluating Theory of Mind evaluation in large language models
von: Hu, Jennifer, et al.
Veröffentlicht: (2025)

Survey on reinforcement learning for language processing
von: Uc-Cetina, Victor, et al.
Veröffentlicht: (2021)

Large language models show fragile cognitive reasoning about human emotions
von: Bhattacharyya, Sree, et al.
Veröffentlicht: (2025)

Can adversarial attacks by large language models be attributed?
von: Cebrian, Manuel, et al.
Veröffentlicht: (2024)

Can large language models replace humans in the systematic review process? Evaluating GPT-4's efficacy in screening and extracting data from peer-reviewed and grey literature in multiple languages
von: Khraisha, Qusai, et al.
Veröffentlicht: (2023)

ARC-Encoder: learning compressed text representations for large language models
von: Pilchen, Hippolyte, et al.
Veröffentlicht: (2025)

Leveraging large language models for efficient representation learning for entity resolution
von: Xu, Xiaowei, et al.
Veröffentlicht: (2024)

Vocabulary embeddings organize linguistic structure early in language model training
von: Papadimitriou, Isabel, et al.
Veröffentlicht: (2025)

Leveraging LLMs for MT in Crisis Scenarios: a blueprint for low-resource languages
von: Lankford, Séamus, et al.
Veröffentlicht: (2024)

Comparing large language models and human programmers for generating programming code
von: Hou, Wenpin, et al.
Veröffentlicht: (2024)

Ukrainian-to-English folktale corpus: Parallel corpus creation and augmentation for machine translation in low-resource languages
von: Burda-Lassen, Olena
Veröffentlicht: (2024)

Reinforcement learning fine-tuning of language model for instruction following and math reasoning
von: Han, Yifu, et al.
Veröffentlicht: (2025)

Towards Nepali-language LLMs: Efficient GPT training with a Nepali BPE tokenizer
von: Shrestha, Adarsha, et al.
Veröffentlicht: (2025)

Can LLMs perform structured graph reasoning?
von: Agrawal, Palaash, et al.
Veröffentlicht: (2024)

A closer look at how large language models trust humans: patterns and biases
von: Lerman, Valeria, et al.
Veröffentlicht: (2025)

Implicit assessment of language learning during practice as accurate as explicit testing
von: Hou, Jue, et al.
Veröffentlicht: (2024)

Post-training makes large language models less human-like
von: Binz, Marcel, et al.
Veröffentlicht: (2026)

Humans overrely on overconfident language models, across languages
von: Rathi, Neil, et al.
Veröffentlicht: (2025)

Fluent dreaming for language models
von: Thompson, T. Ben, et al.
Veröffentlicht: (2024)

Algorithmic progress in language models
von: Ho, Anson, et al.
Veröffentlicht: (2024)

Sandwich attack: Multi-language Mixture Adaptive Attack on LLMs
von: Upadhayay, Bibek, et al.
Veröffentlicht: (2024)

An evaluation of LLMs and Google Translate for translation of selected Indian languages via sentiment and semantic analyses
von: Chandra, Rohitash, et al.
Veröffentlicht: (2025)

Multilingual jailbreaking of LLMs using low-resource languages
von: Marx, Dylan, et al.
Veröffentlicht: (2026)