罗盘 / 语言习得
暗星档案 · 未点亮的星语言习得机制 · 刺激贫乏难题
本条为初评草案（AI 辅助编目 · 评于 2026-07）：T 阶为三问初评（撬动面 × 停滞度 × 临界性），双评过 σ 门并红蓝复核后才升"已建档"。查不到的字段留空不编。点亮者会进入亮星候选流程，其贡献与星阶按 HCF 独立重评，不从暗星自动继承。
语言习得机制 · 刺激贫乏难题T5 量级 · 新星
婴幼儿如何在极有限输入下习得语言的算法级机制——认知科学半个世纪的悬案。
所属星云智能统一理论理解万物
暗星编号DS-0126
轴E · 能量与能力前沿
领域cognition-education
状态初评草案 · 待双评与红蓝复核
这是什么 · 为什么难
刺激贫乏论指出:儿童接触的语言样本在逻辑上远不足以唯一确定所学的语法,却几乎人人在几年内习得母语,这暗示存在先天的学习偏置或普遍语法。大模型虽能生成语言,但训练需海量数据,也解释不了儿童这种低数据、高效率的学习。攻破它,等于揭示人类学习的核心算法,并重塑语言教学与 AI 的数据效率。
卡在哪 · 机制级卡点
卡在无法把"先天偏置"与"输入统计"清晰分离——不能剥夺儿童语言输入,受控实验几乎做不了,跨语言证据的解读分歧很大。计算语言学与发展心理学各自为战,缺一个共同的、可证伪的模型。
谁在攻
大体处于无人区(计算语言学与发展心理学零散在攻,尚无统一攻坚项目)
怎么参与
打好发展心理学与计算语言学的双底子,进儿童语言习得或计算建模实验室。可从"用低数据学习模型复现儿童某一语法的习得曲线"这样可证伪的子问题切入,把两个割裂的领域接起来。
谁在攻这颗暗星 · 攻关者名录10 人
这不是终点站——今天在这颗暗星上攻坚的人，就是明天点亮它、登上星光榜的候选。名录含科研、创业与第三方三类关键角色，初评待核实，欢迎补充与纠正。
ACADEMIA学界 · 科研8
诺姆·乔姆斯基Noam Chomsky语言学家 / 刺激贫乏论与普遍语法提出者
麻省理工学院(MIT)/ 亚利桑那大学
刺激贫乏难题的原始提出者,主张先天普遍语法解释儿童在有限输入下习得母语,整个方向的理论源头
史蒂芬·平克Steven Pinker认知科学家 / 语言天赋论主将
哈佛大学
以《语言本能》系统论证语言习得的先天机制,是刺激贫乏论在心理学界的主要辩护者
查尔斯·杨Charles Yang计算语言学家 / 变分学习与容忍原则提出者
宾夕法尼亚大学
用数学模型量化儿童从稀疏语料中提取语法规则的过程('Tolerance Principle'),把刺激贫乏难题推向可计算化
迈克尔·托马塞洛Michael Tomasello发展心理学家 / 用法为本习得论代表
杜克大学(前马普进化人类学研究所)
对立阵营核心,主张儿童靠一般认知与社会互动、而非先天语法习得语言,是刺激贫乏论最重要的证伪推动者
伊莉莎·纽波特Elissa Newport心理语言学家 / 统计学习与关键期研究者
乔治城大学
揭示婴幼儿依靠统计学习从语流中切分词与结构,为'低数据高效率习得'提供机制解释
珍妮·萨弗兰Jenny Saffran婴儿认知学者 / 统计学习实验开创者
威斯康星大学麦迪逊分校
1996年经典实验证明8月龄婴儿能凭转移概率切分连续语流,奠定语言习得的统计学习经验证据
阿黛尔·戈德堡Adele Goldberg语言学家 / 构式语法代表
普林斯顿大学
以构式语法论证语法可从输入中习得,反对必须假设先天普遍语法,是用法为本路线的理论支柱
塔尔·林岑Tal Linzen计算语言学家 / 神经网络语法能力评测者
纽约大学
研究神经语言模型是否真正学到句法,把刺激贫乏难题转译成'AI 数据效率与泛化'的可实验问题
THIRD PARTY第三方 · 政策/资助/倡导2
亚历克斯·沃斯塔特Alex Warstadt计算语言学家 / BabyLM 挑战赛主创
圣地亚哥加州大学(UCSD)/ 前苏黎世联邦理工
共同发起 BabyLM Challenge——用与儿童相当量级的语料训练语言模型,直接把'低数据学习'难题做成公开攻坚赛题
莱谢姆·乔申Leshem Choshen机器学习研究者 / BabyLM 挑战赛组织者
麻省理工学院-IBM Watson AI Lab
BabyLM 挑战赛核心组织者,推动'样本高效语言学习'成为社区共同基准,连接认知科学与大模型数据效率
去哪家 · 机构与公司名录1 家 · 其中初创/成长期 0
给求职者和投资人的信息增量——不只是听过的大机构，更多是正在攻这颗暗星的初创与新公司（联网实搜、初创优先排序，初评待核实）。