本研究提出了一种无监督方法，利用语用学原理提升检索增强生成（RAG）模型的效果。通过识别与问题相关的重要句子并强化其地位，问答任务的表现显著提高，尤其在PubHealth任务中准确率提升了19.7%。

文章探讨了编程语言的语法和语义。语法是程序结构的规则，语义关注程序的意义和行为。低级语义涉及类型系统的正确性，高级语义关注程序功能的实现。以JavaScript和TypeScript为例，说明语法和语义错误的区别。最后提到语用学，涉及语言的实用性和效率。

本文评估了大型语言模型（LLMs）在语用学理解和推理能力方面的表现。研究发现，尽管LLMs在逻辑推理上表现良好，但在理解语用学和复杂对话时存在明显不足。通过构建语用学理解基准（PUB）数据集，评估了九个模型的能力，结果显示人类与模型之间存在性能差距。此外，研究提出了多语言语用评估工具MultiPragEval，以深入评估LLMs的上下文意识和推断能力。

本文讨论了大语言模型（LLM）与语言学之间的关系。大型语言模型的开发与语言学领域脱节，但它们的成功重新引发了该领域的争论。大模型在语言生成方面有优势，但在世界知识和语用学方面存在局限性。目前大模型与语言学和人类认知关系不大，但语言学可能会受益于大模型作为语言习得和处理建模的工具。