本研究探讨了语言模型重排名器在检索增强生成任务中的表现不足，特别是在处理语义信息方面的局限性。提出了一种基于BM25的新分离度量，揭示了重排名器在词汇不相似性方面的错误，并探讨了提升其性能的方法，强调了对更具对抗性评估数据集的需求。

本研究提出了一种生成心理-词汇方法（GPLA），旨在为大型语言模型（LLMs）构建基于心理学的五因素价值体系，以更有效地捕捉LLMs的价值，提升安全预测和模型对齐能力。

本研究探讨了大型语言模型中某些词汇在科学英语中的频繁出现，分析了21个高频词的过度使用原因。尽管未确认模型架构或训练数据是主要因素，研究强调了大型语言模型对语言变化的影响，并呼吁进一步研究其机制。

本研究探讨了语言使用与词汇系统的关系，分析了英语和普通话的颜色命名。研究表明，最佳的词汇系统允许多个名称指代同一对象，从而提高沟通准确性并减少信息传递量。