[CL]《Bringing Up a Bilingual BabyLM: Investigating Multilingual Language Acquisition Using Small-Scale Models》L Zeng, S Y. Feng, M C. Frank [The Harker School & Stanford University] (2026)
在双语习得研究领域，「同时接触两种语言是否损害母语学习」是一个悬而未决的难题。过去的研究受困于无法对儿童进行随机分组、无法匹配两种语言的输入量，本质原因是真实的人类语言环境无法被实验控制。
本文的核心洞见是：把语言模型训练重新看作「可操控的受控养育实验」。由此，用100M词的合成英西双语对话数据，在固定学习者架构的前提下，系统切换输入结构（随机混合、按说话人分离、句级/词级语码转换），这一关键操作使「输入结构是否影响习得」的问题得以在因果框架下解开。
这项工作真正留下的遗产是：双语输入对纯粹的统计学习者不构成混淆或一语损耗，性能差异主要由各语言的数据量对数决定，而非输入结构。它为后来者打开的新门是：用计算模型为认知科学中的语言习得争论提供因果检验路径。但尚未跨过的门槛是：模型缺乏语音、韵律等区分语言的感知通道，合成数据也难以复现真实双语环境的社会性复杂度，因此结论能在多大程度上迁移至人类学习者仍是开放问题。
arxiv.org/abs/2603.29552
机器学习 人工智能 论文 AI创造营
