热点事件持续更新
计算化SLN模型预测图片-词语干扰中的语义干扰
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
研究者将Swinging Lexical Network（SLN）模型计算化，在3万词语义网络中推导出队列集中度与摆动两项指标，并在86项英德实验、392,156个试次的图片-词语干扰数据集中检验。2026年10月16日发布的PsyArXiv预印本（尚未经同行评审）报告：队列集中度是唯一在两种语言中均具可靠效应的语义预测因子——少数词激活突出时命名变慢，激活分散时命名加快；摆动虽改善拟合，但与队列集中度高度相关，效应无法分离。
AI 根据报道生成 · 3 小时前更新
最新进展10月16日 00:26
PsyArXiv预印本显示队列集中度是唯一跨英德两语言可靠的语义预测因子。报道时间线
沿着报道，了解事件的不同侧面。
10月16日
- PsyArXiv 预印本计算化SLN模型：队列集中度可预测大规模图片-词语干扰数据集中的语义干扰
研究者将Swinging Lexical Network（SLN）模型计算化，在3万词语义网络中推导出队列集中度与摆动两项指标，并在86项英德实验、392,156个试次的图片-词语干扰数据集中检验。队列集中度是唯一在两种语言中均具可靠效应的语义预测因子：少数词激活突出时命名变慢，激活分散时命名加快。摆动虽改善拟合，但与队列集中度高度相关，效应无法分离。
本事件热度走势
当前热度 4·可比范围峰值 4（10月16日 01:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。