不同语言的使用者会以相同方式组织概念吗？

共享词汇不等于共享关系

关于语言相对性的萨丕尔–沃尔夫争论，通常问的是不同语言的使用者是否以不同方式切分世界。这篇论文把这个问题分成两个层次。不同语言可能为相同的基本概念提供翻译对应词，却仍把这些概念放进不同的关系邻域——即哪些含义靠近哪些含义的模式不同。研究把这种关系结构，而不是一个词是否存在，当作具有心理学意义的目标。

研究采用横断面的计算设计。作者从维基词典的斯瓦迪士词表取得初始清单中82种语言、207个基本概念的词形，再按维度、有限值、零内容和可解析性筛选所得向量。剔除退化情形后——包括爪哇语，其相同向量占有效表示的一半以上（.607）——两个编码器都留下81种语言、196个概念和3,240个无序语言对的共同支撑集。这是按模型和数据可用性选取的覆盖样本，不是世界语言的概率样本。

把关系结构变成一个可比较的数值

每个概念的词形都用两个多语言模型编码：mBERT 和 XLM-R-large，做法是对参与注意的非特殊词元取最后一层状态的平均值。在每种语言、每个概念集内，先以该语言自身的均值为中心对向量做中心化，再构建余弦相异矩阵。中心化很关键：它去掉一种语言的整体偏移，使比较针对关系的排序，而不是向量空间中的绝对位置。

跨语言对应程度随后用表征相似性分析测量。对一对语言，把两者相异矩阵的上三角元素按概念顺序配对，计算 Spearman 相关；报告的指标是1减去该相关系数。数值越低，表示关系排序越相似；指标范围为0到2，且不需要对齐两个模型的坐标系。每个语言对在每个编码器下贡献一个全局结果和四个领域结果。

四个领域是作者定义的操作性分组，不是独立确立的概念模块：生物核心（67个概念）、自然与运动（49个）、社会文化（59个）和语法与功能（21个）。第二套参照式分组重新分配了207个输入概念中的22个——例如把人称代词移入语法与功能——两套分组在185个输入概念上一致，由此得到175个概念的完全一致子集用于稳健性检验。

社会文化关系比自然与运动关系更一致

核心结果是领域差异。在主要分类下，两个编码器中社会文化概念的调整后平均相异度都低于自然与运动概念：mBERT 为0.874对0.924，XLM-R-large 也保持相同顺序。相异度更低，意味着这些概念之间关系的排序在不同语言间更一致。

这一差距也直接以合并的双领域对比报告。在主要映射和默认先验下，自然与运动减去社会文化的差值为 mBERT 0.05031 [0.04702, 0.05366]，XLM-R-large 0.05472 [0.05128, 0.05803]。在参照式映射下，同一差值为0.03749 [0.03454, 0.04052] 和0.03461 [0.03163, 0.03758]。方向与大致幅度在重新分组、完全一致子集、标签置换和更宽先验尺度下都保持。

两个编码器之间的比较是另一个问题，也更弱。主要映射下 XLM-R-large 与 mBERT 的端点对比为0.00441 [-0.00034, 0.00897]，区间包含零。因此论文的主张是这一对比在两个模型间反复出现，而不是某个模型可证明比另一个更敏感。

地理分隔与社会文化含义的分化相关

领域差异描述的是整个样本的平均对应程度。第二个独立结果关注这种对应程度如何随语言社群之间的距离变化。两个预测变量被标准化后同时进入模型：存档语言质心之间的大圆地理距离，以及来自自动相似性判断程序的谱系距离，后者基于核心词汇的词形–音系差异。由于两者在同一模型中，每个斜率描述的是在控制另一个距离后，某一距离每增加一个标准差所对应的关联。

在社会文化领域内，两个编码器中关系差异都随地理分隔增大。mBERT 的社会文化地理斜率为0.01293 [0.00940, 0.01643]；XLM-R-large 为0.00226 [-0.00113, 0.00562]，均值为正但区间触及零。关系较不密切的语言在所有领域差异也更大，这与正的谱系斜率一致。作者明确指出，地理分隔并不直接测量接触，词形差异也不能分离继承——该代理变量可能同时反映继承与借用，且与语义清单共享材料。

这两个发现回答不同问题，不应合并。一个领域可以在样本平均意义上相对相似，同时仍表现出系统性的区域分化。论文的解释是，广泛反复出现的关系模式与区域惯例并存，但距离关联是相关性的，沟通需求、接触、生态和历史等机制并未被独立测量。

这一对比不能说明说话者如何判断

证据是模型导出的词汇关系。词嵌入把语言语境中的规律表示为定量空间中的关系，论文引用分布结构能捕捉人类语义相似性某些方面的证据来支持这一用法。但研究没有收集行为或神经反应，没有招募参与者，也没有检验这些语言的使用者是否真的认为社会文化领域的概念更相似。作者指出，建立与说话者判断的对应关系仍然必要，尤其因为命名与非言语相似性可能分离。

若干边界紧贴结果。领域是操作性分组而非经过验证的模块，重新分组练习显示，即使主要对比仍然成立，分配选择也会让个别概念在领域间移动。语言样本取决于可用的共同覆盖，因此不代表世界语言。训练偏差、多义性和依赖模型的中间排名会影响推广。模型还省略了额外的语言对效应以及同一语言对多个结果之间的残差相关，因此报告的区间以该设定为条件。

论文自己的前瞻性主张是预测而非发现：匹配的人类语义判断应显示，所取样的社会文化关系比自然与运动关系有更高的跨语言对应。与非言语材料的比较以及对语言使用的操纵，被列为把这一预测与注意、分类和学习过程联系起来的检验。

语言相对性问题下一步该在哪里检验

论文对语言相对性争论的贡献是一份比较剖面，而不是裁决。它主张普遍性与相对性在不同概念领域交织：共享的基本含义可以参与跨语言对应程度随内容而变化的关系。按这一解释，共享认知资源与语言和本地经验相互作用，有趣的问题从语言是否不同，转向词汇内部哪些位置的关系结构趋同、哪些分化。

对权衡这些证据的读者，优先看领域划分，而不是单一全局相似度分数。社会文化对自然与运动的对比是在两个编码器、两套分类和完全一致子集中反复出现的结果，也是作者转化为关于人类判断的可检验预测的那一项。社会文化含义内部的地理梯度是次要的相关模式，其各编码器区间强度不同。下一个决定性证据将是对同一概念集的匹配说话者判断，因为这正是本研究有意留待后续的步骤。

本文引用的文献