摘 要 文章以ChatGPT為例，借助問(wèn)卷考察了大語(yǔ)言模型在漢語(yǔ)辭書(shū)詞條自動(dòng)編纂中的表現(xiàn)。研究選取40個(gè)詞目作為樣本，充分考慮詞性、詞長(zhǎng)、義項(xiàng)數(shù)的多樣性，借助ChatGPT生成釋文，并與《現(xiàn)代漢語(yǔ)詞典》第7版進(jìn)行對(duì)比分析。問(wèn)卷調(diào)查顯示，ChatGPT編纂的詞條中有37.5%獲得了更多受訪(fǎng)者的認(rèn)可，但整體質(zhì)量距離全面超越傳統(tǒng)辭書(shū)仍有差距。ChatGPT在單音字、單一詞性詞語(yǔ)的標(biāo)注和單義項(xiàng)詞語(yǔ)的釋義方面具有優(yōu)勢(shì)，但對(duì)多音字、兼類(lèi)詞、多義詞以及特殊語(yǔ)體詞的詞條編纂效果明顯下降，也暴露出義項(xiàng)遺漏、釋義不準(zhǔn)確、舉例模式化等問(wèn)題?？傮w而言，ChatGPT在辭書(shū)編纂中展現(xiàn)了生成新義、快速編纂等優(yōu)勢(shì)，但嚴(yán)謹(jǐn)性、系統(tǒng)性不足，難以獨(dú)立完成編纂任務(wù)。大語(yǔ)言模型正在不斷升級(jí)中，未來(lái)宜持續(xù)關(guān)注并將其用作辭書(shū)編纂的輔助工具，通過(guò)人機(jī)互助提高辭書(shū)編纂速度，提升辭書(shū)編纂質(zhì)量，推動(dòng)漢語(yǔ)辭書(shū)智能化發(fā)展。

關(guān)鍵詞 辭書(shū) 詞條 自動(dòng)編纂 大語(yǔ)言模型 ChatGPT

一、 引 言

詞條又稱(chēng)條目，是詞典的基本查檢單位，一般包括詞目、注音、釋義、例證、語(yǔ)用說(shuō)明和各種掛尾信息。詞條釋文的編纂是辭書(shū)編纂最重要、最費(fèi)時(shí)、最耗精力的工作。自動(dòng)編纂詞條釋文可以大幅提高辭書(shū)編纂效率，對(duì)辭書(shū)的現(xiàn)代化編纂具有重要意義。

詞條自動(dòng)編纂的方法包括基于規(guī)則的方法（魏雪，袁毓林 2014）和基于深度學(xué)習(xí)的方法（Noraset et al. 2017；Gadetsky et al. 2018；Kong et al. 2022；范齊楠等 2021）等。近年來(lái)，生成式大語(yǔ)言模型的發(fā)展為詞條自動(dòng)編纂提供了新方法和新契機(jī)，其中具有代表性的是OpenAI公司于2022年11月發(fā)布的智能聊天機(jī)器人程序ChatGPT。ChatGPT使用超大規(guī)模語(yǔ)料訓(xùn)練，集成了指令學(xué)習(xí)、基于人類(lèi)反饋的強(qiáng)化學(xué)習(xí)等一系列創(chuàng)新技術(shù)，能夠使用自然語(yǔ)言與用戶(hù)對(duì)話(huà)，理解、執(zhí)行用戶(hù)的請(qǐng)求。ChatGPT最初由GPT-3.5系列模型支持，其后更新的GPT-4模型性能進(jìn)一步提升，在常識(shí)推理、代碼生成、閱讀理解、多學(xué)科測(cè)驗(yàn)等任務(wù)中表現(xiàn)優(yōu)異，超越了現(xiàn)有其他模型（OpenAI et al. 2023）。Cai等（2023）讓ChatGPT作為被試，進(jìn)行了包括語(yǔ)音、詞匯、語(yǔ)法、語(yǔ)義、語(yǔ)篇、對(duì)話(huà)等在內(nèi)的12項(xiàng)經(jīng)典的心理語(yǔ)言學(xué)實(shí)驗(yàn)，發(fā)現(xiàn)ChatGPT能夠復(fù)制人類(lèi)的語(yǔ)言行為模式，在10項(xiàng)實(shí)驗(yàn)中達(dá)到了接近人類(lèi)的水平。

隨著ChatGPT的流行，辭書(shū)編輯開(kāi)始利用大語(yǔ)言模型輔助辭書(shū)編纂，學(xué)習(xí)者也開(kāi)始利用大語(yǔ)言模型查詢(xún)?cè)~語(yǔ)的含義與用法。這方面的研究主要集中于英語(yǔ)領(lǐng)域。Phoodai和R0ebd24df93cd6d80555e0d55b3e234a8ikk（2023）選取50個(gè)高頻英語(yǔ)詞，從微觀層面對(duì)比分析ChatGPT和《牛津高階學(xué)習(xí)詞典》（Oxford Advanced Learner’s Dictionary）的詞條，發(fā)現(xiàn)ChatGPT在為英語(yǔ)學(xué)習(xí)者提供詞匯數(shù)據(jù)項(xiàng)方面整體優(yōu)于后者（平均分高11%），而在提供上下文信息和互動(dòng)能力方面存在不足。Lew（2023）邀請(qǐng)4位專(zhuān)家評(píng)估ChatGPT（GPT-3.5）生成的

15個(gè)詞條，與柯林斯在線(xiàn)詞典（Collins COBUILD Advanced Online）［1］進(jìn)行比較，結(jié)果表明ChatGPT生成的釋義可與后者相媲美，但生成的例句和整體詞條獲得的評(píng)分較低。Rees和Lew（2024）面向二語(yǔ)學(xué)習(xí)者進(jìn)行詞匯閱讀理解測(cè)試，分別提供ChatGPT（GPT-3.5）和麥克米倫在線(xiàn)詞典（Macmillan English Dictionary Online）［2］的詞條，發(fā)現(xiàn)ChatGPT和麥克米倫在線(xiàn)詞典均能讓學(xué)生的表現(xiàn)更優(yōu)，但前者對(duì)成績(jī)的提升不顯著，后者較顯著。ChatGPT在非英語(yǔ)詞條編纂領(lǐng)域的調(diào)研較少，有代表性的是Tran等（2023）的研究，他們針對(duì)斯洛文尼亞語(yǔ)進(jìn)行釋義提取測(cè)評(píng)，發(fā)現(xiàn)釋義結(jié)構(gòu)明確、數(shù)據(jù)量較少時(shí)，基于規(guī)則的方法效果更好，釋義結(jié)構(gòu)寬泛、數(shù)據(jù)量較大時(shí)，Transformer和ChatGPT（GPT-3.5）一類(lèi)大語(yǔ)言模型的效果更好，其中Transformer的精確率更高，ChatGPT的召回率更高。

本研究面向漢語(yǔ)語(yǔ)文辭書(shū)讀者，以ChatGPT（GPT-4）作為大語(yǔ)言模型的典型代表，通過(guò)問(wèn)卷形式調(diào)查大語(yǔ)言模型自動(dòng)編纂詞條的認(rèn)可度，分析大語(yǔ)言模型自動(dòng)編纂的質(zhì)量與特點(diǎn)，探討大語(yǔ)言模型為詞條自動(dòng)編纂帶來(lái)的機(jī)遇與挑戰(zhàn)。

二、 研 究 方 法

（一） 調(diào)查對(duì)象

1. 詞目選擇

《現(xiàn)代漢語(yǔ)詞典》是一部久享盛譽(yù)的規(guī)范型詞典。本研究從《現(xiàn)代漢語(yǔ)詞典》第7版（以下簡(jiǎn)稱(chēng)《現(xiàn)漢》）中選取40個(gè)調(diào)查詞目，選取時(shí)充分考慮詞性、詞長(zhǎng)、義項(xiàng)數(shù)、特殊用法的多樣性，用盡可能少的詞目覆蓋盡可能多的調(diào)查項(xiàng)目。40個(gè)詞目為：哎、彼、不、城、均、了、梅、人、些、咬、包袱、并且、除了、吹填、催淚、第一、短線(xiàn)、感冒、干凈、紅線(xiàn)、呼啦、回信、剪影、進(jìn)行、克隆、暌違、龍頭、矛盾、美工、逆天、熱絡(luò)、信箱、應(yīng)該、著調(diào)、左右、兜底翻、互聯(lián)網(wǎng)+、花花搭搭、鐵帽子王、阿爾茨海默病。

下面介紹40個(gè)詞目的涵蓋范圍。在詞性方面，涉及《現(xiàn)漢》標(biāo)注的所有12個(gè)大類(lèi)，包含實(shí)詞35個(gè)、虛詞5個(gè)。單類(lèi)詞（單一詞性的詞）和兼類(lèi)詞的比例為4∶1，單類(lèi)詞以名詞、動(dòng)詞和形容詞為主，分別占比27.5%、17.5%、12.5%；在詞長(zhǎng)方面，二字詞最多（25個(gè)），單字詞其次（10個(gè)），3字及以上的詞目最少（5個(gè)）；在詞義數(shù)方面，義項(xiàng)數(shù)平均值為2.9，最小值為1，最大值為9，以雙義詞、三義詞和單義詞為主，分別為17、7、6個(gè)；在語(yǔ)體和語(yǔ)域方面，包含科技詞10個(gè)，口語(yǔ)詞、方言詞和文言詞共8個(gè)，其余為普通語(yǔ)文詞；在新詞新義方面，包含《現(xiàn)漢》新增詞目或新增義項(xiàng)9個(gè)，占比22.5%。

2. 自動(dòng)編纂的詞條

本研究借助ChatGPT（GPT-4）實(shí)現(xiàn)詞條自動(dòng)編纂，具體步驟為：（1） 打開(kāi)ChatGPT網(wǎng)頁(yè)版人機(jī)對(duì)話(huà)窗口，輸入提示詞，約定自動(dòng)編纂要求的同時(shí)引導(dǎo)ChatGPT在后續(xù)對(duì)話(huà)中直接根據(jù)詞目生成釋文；（2） 輸入一個(gè)詞目，獲取ChatGPT自動(dòng)編纂的釋文；（3） 重復(fù)步驟（2），直至獲取所有詞目的釋文。

提示詞除了明確ChatGPT需要完成的具體任務(wù)外，還對(duì)釋義要求進(jìn)行了詳細(xì)的約定，包括釋義的體例和風(fēng)格要與《現(xiàn)漢》保持一致等。提示詞的撰寫(xiě)參考了《現(xiàn)漢》凡例，但實(shí)驗(yàn)表明將整個(gè)凡例提交給ChatGPT并不能獲得更好的結(jié)果。經(jīng)過(guò)對(duì)提示詞進(jìn)行多輪調(diào)整和優(yōu)化，最終選擇的提示詞如下［3］：

請(qǐng)你充當(dāng)一個(gè)專(zhuān)業(yè)的漢語(yǔ)辭書(shū)編輯，按照中型現(xiàn)代漢語(yǔ)辭書(shū)的標(biāo)準(zhǔn)，為輸入詞目編纂權(quán)威、正確、規(guī)范的釋義。嚴(yán)格按照以下格式：

圓括號(hào)中的內(nèi)容為可選項(xiàng)，根據(jù)詞條實(shí)際情況選擇；讀作輕聲時(shí)注音不標(biāo)調(diào)號(hào)，只在拼音前加·；詞性標(biāo)記使用簡(jiǎn)稱(chēng)，包括｛名｝｛動(dòng)｝｛形｝｛副｝｛量｝｛數(shù)｝｛代｝｛介｝｛連｝｛助｝｛嘆｝｛擬聲｝十二類(lèi)；劃分出的義項(xiàng)盡可能全面涵蓋詞目意義和用法；同一類(lèi)型詞目應(yīng)在釋義模式和語(yǔ)言風(fēng)格上保持一致；舉例應(yīng)簡(jiǎn)潔明了、典型，其中詞目用～代替；詞目屬于外來(lái)音譯詞時(shí)，在釋義最后附注外文原文，如：“伏特加”……［俄водка］。三類(lèi)典型的詞目釋義方式如下：

1. 單義詞

“詞目” 拼音｛詞性｝ 釋義（：舉例1 |舉例2 |舉例3……）。

2. 多義詞且所有詞性相同

“詞目”拼音｛詞性｝①釋義（：舉例1 |舉例2 |舉例3……）。②釋義（：舉例1 |舉例2 |舉例3……）。③……。

3. 兼類(lèi)詞

“詞目”拼音①｛詞性｝釋義（：舉例1 |舉例2 |舉例3……）。②｛詞性｝釋義（：舉例1 |舉例2 |舉例3……）。③……。

以“熱絡(luò)”和“彼”為例，ChatGPT自動(dòng)生成并經(jīng)后處理［4］的詞條見(jiàn)下：

熱絡(luò) rèluò ①形容感情親密，交往頻繁：他們之間的關(guān)系很～|～的氣氛。②指活動(dòng)或場(chǎng)合氣氛熱烈，人際交往頻繁：聚會(huì)十分～|市場(chǎng)～。（ChatGPT）

彼 bǐ ①指遠(yuǎn)離說(shuō)話(huà)人和聽(tīng)話(huà)人的人或事物：～岸|～處。②用于指代前文已提到的人或事物：～時(shí)|～人。③古代文言文中，常用作男子的美稱(chēng)：～生|～君。（ChatGPT）

“熱絡(luò)”和“彼”在《現(xiàn)漢》中的釋文見(jiàn)下：

熱絡(luò) rèluò ①親熱：兩人關(guān)系～。②熱烈：氣氛～。③頻繁：兩國(guó)領(lǐng)導(dǎo)人往來(lái)～。（《現(xiàn)漢》）

彼 bǐ ①指示代詞。那；那個(gè)（跟“此”相對(duì)）：～時(shí)|此起～伏|由此及～。②人稱(chēng)代詞。對(duì)方；他：知己知～|～退我進(jìn)。（《現(xiàn)漢》）

瀏覽ChatGPT自動(dòng)編纂的詞條可以發(fā)現(xiàn)，ChatGPT自動(dòng)編纂結(jié)果符合預(yù)先設(shè)計(jì)的體例要求，具有較高可讀性。但是，對(duì)于同一個(gè)詞目，ChatGPT自動(dòng)編纂的釋文和《現(xiàn)漢》中的釋文存在比較明顯的差異。

（二） 調(diào)查工具

調(diào)查采用問(wèn)卷形式，借助問(wèn)卷星的微信小程序發(fā)放和回收問(wèn)卷。研究為每個(gè)詞目設(shè)置1個(gè)問(wèn)題，包含兩個(gè)候選項(xiàng)，即同一詞目對(duì)應(yīng)的《現(xiàn)漢》詞條和ChatGPT自動(dòng)編纂的詞條，選項(xiàng)之間隨機(jī)排列，不提示釋義來(lái)源。問(wèn)卷導(dǎo)語(yǔ)對(duì)作答標(biāo)準(zhǔn)進(jìn)行了說(shuō)明：“請(qǐng)參照中型通用現(xiàn)代漢語(yǔ)辭書(shū)的標(biāo)準(zhǔn)，從兩個(gè)選項(xiàng)中選擇你認(rèn)為更合理、質(zhì)量更高的詞條：釋義無(wú)錯(cuò)誤，義項(xiàng)劃分更合理，釋義更清晰，舉例更恰當(dāng)，更能滿(mǎn)足實(shí)際查詢(xún)需求，等等?！?/p>

除上述問(wèn)題外，問(wèn)卷還收集了受訪(fǎng)者年齡、身份、受教育程度、學(xué)科、辭書(shū)使用頻次等5項(xiàng)背景信息。

三、 結(jié)果與討論

（一） 受訪(fǎng)者情況

調(diào)查共回收202份有效問(wèn)卷，平均填寫(xiě)時(shí)長(zhǎng)為10分鐘。所有受訪(fǎng)者均為漢語(yǔ)母語(yǔ)者，平均年齡為23歲。學(xué)生群體占比最大（93.07%），學(xué)生家長(zhǎng)和教師占比較?。?.93%）。受訪(fǎng)人群的受教育程度以本科（64.36%）和碩士（32.67%）為主，詳見(jiàn)圖1。受訪(fǎng)群體來(lái)自多元學(xué)科，以文學(xué)專(zhuān)業(yè)（28.71%）和教育學(xué)專(zhuān)業(yè)（16.83%）為主，詳見(jiàn)圖2。受訪(fǎng)者辭書(shū)使用頻率多為偶爾使用（37.13%），有時(shí)使用（34.16%）和經(jīng)常使用（15.35%）次之，詳見(jiàn)圖3?？傮w來(lái)說(shuō)，本次受訪(fǎng)對(duì)象主要為接受過(guò)高等教育、有一定辭書(shū)使用需求和習(xí)慣的年輕學(xué)生群體，具備對(duì)詞條優(yōu)劣進(jìn)行準(zhǔn)確判斷的能力。

（二） 大語(yǔ)言模型詞條自動(dòng)編纂整體表現(xiàn)

1. 詞條自動(dòng)編纂的整體表現(xiàn)

為評(píng)估ChatGPT在詞條自動(dòng)編纂上的整體表現(xiàn)，本研究選擇每個(gè)問(wèn)題中支持ChatGPT編纂詞條的受訪(fǎng)者比例，作為該詞目在自動(dòng)編纂任務(wù)上的得分。全部詞目自動(dòng)編纂的平均得分為0.548，中位數(shù)為0.579，標(biāo)準(zhǔn)差為0.199。40個(gè)詞目中有15個(gè)得分大于0.5，占比37.5%，說(shuō)明ChatGPT編纂的詞條中有37.5%被更多的受訪(fǎng)者判定為優(yōu)于

《現(xiàn)漢》。為進(jìn)一步分析ChatGPT自動(dòng)編纂的整體效果，本文將0.0至1.0的得分區(qū)間劃分為5個(gè)，每個(gè)區(qū)間的寬度為0.2。各區(qū)間的詞條數(shù)量及其占比如表1所示：

表1顯示，最低得分區(qū)間（0.0—0.2）的詞條數(shù)量為0，表明所有由ChatGPT編纂的詞條中，沒(méi)有一條被超過(guò)80%的受訪(fǎng)者認(rèn)為比《現(xiàn)漢》差。換言之，每個(gè)ChatGPT編纂的詞條至少有20%的人認(rèn)為其質(zhì)量更好。在得分最高的區(qū)間（0.8—1.0）內(nèi)，只有5個(gè)詞條，僅占總數(shù)的12.5%。這表明，被超過(guò)80%的受訪(fǎng)者認(rèn)為優(yōu)于《現(xiàn)漢》的ChatGPT編纂詞條數(shù)量較少。ChatGPT自動(dòng)編纂呈現(xiàn)出平均分越高、詞條數(shù)量越少的趨勢(shì)，意味著大部分ChatGPT自動(dòng)編纂的詞條質(zhì)量尚未達(dá)到很高的水平，明顯優(yōu)于傳統(tǒng)詞典釋義的詞條數(shù)量相對(duì)較少?？偟膩?lái)說(shuō)，盡管所有ChatGPT編纂的詞條都有一定的支持者，但其整體質(zhì)量距離全面超越傳統(tǒng)詞典還有一定差距，特別優(yōu)秀的詞條只占少數(shù)。ChatGPT在詞條編纂領(lǐng)域展現(xiàn)出了一定的潛力，但要達(dá)到更高的水平仍需進(jìn)一步提升。

2. 不同類(lèi)型詞條自動(dòng)編纂的整體表現(xiàn)

為進(jìn)一步探究ChatGPT自動(dòng)編纂釋文在不同詞語(yǔ)類(lèi)型上的表現(xiàn)差異，本研究按照詞性、兼類(lèi)性質(zhì)、詞長(zhǎng)、義項(xiàng)數(shù)、語(yǔ)體標(biāo)記和學(xué)科6個(gè)維度，分類(lèi)統(tǒng)計(jì)詞條平均分，結(jié)果如表2所示：

表2顯示，在詞性方面，實(shí)詞平均分為0.565，高于虛詞的0.428，表明ChatGPT在實(shí)詞釋義上的表現(xiàn)優(yōu)于虛詞。這可能是由于實(shí)詞承載了詞語(yǔ)的主要意義信息，而虛詞更多表達(dá)語(yǔ)法功能，前者更容易通過(guò)大規(guī)模語(yǔ)料學(xué)習(xí)并生成相關(guān)解釋。在兼類(lèi)性質(zhì)方面，單類(lèi)詞平均分為0.573，高于兼類(lèi)詞的0.449，表明詞性越單一，生成的釋文越容易被認(rèn)可。對(duì)于兼類(lèi)詞而言，由于其在不同語(yǔ)境下展現(xiàn)出不同語(yǔ)法功能，增加了自動(dòng)編纂的難度。在詞長(zhǎng)方面，二字詞的平均分最高，為0.574，多字詞平均分為0.522，單字詞的平均分最低，為0.495?，F(xiàn)代漢語(yǔ)中二字詞分布最普遍，ChatGPT為這類(lèi)詞語(yǔ)自動(dòng)編纂的釋文能夠獲得一定的認(rèn)可度，而單字詞中一部分兼做語(yǔ)素，功能和用法更加多樣，自動(dòng)編纂的釋文認(rèn)可度有所下降。在義項(xiàng)數(shù)量方面，單義項(xiàng)的詞平均分最高，為0.683，義項(xiàng)數(shù)大于3的詞平均分最低，為0.433。義項(xiàng)數(shù)越多的詞語(yǔ)，相對(duì)而言語(yǔ)義越豐富，用法越復(fù)雜，ChatGPT釋文不全面、不準(zhǔn)確的概率也隨之增加。相反，對(duì)于單一義項(xiàng)的詞語(yǔ)，ChatGPT的釋文能夠獲得更多的認(rèn)可。在語(yǔ)體方面，口語(yǔ)詞、方言詞、文言詞的平均分僅為0.478，低于一般詞語(yǔ)的0.565?？梢?jiàn)當(dāng)前ChatGPT對(duì)口語(yǔ)詞、方言詞、文言詞等語(yǔ)體詞語(yǔ)的自動(dòng)編纂能力還有待提升。在學(xué)科領(lǐng)域方面，科技詞條的平均分達(dá)到了0.601，優(yōu)于其他詞語(yǔ)的0.53，表明ChatGPT在科技術(shù)語(yǔ)的自動(dòng)編纂上具有一定優(yōu)勢(shì)，這可能得益于訓(xùn)練語(yǔ)料中包含了大量的科技文本，使其能夠較好地掌握科技術(shù)語(yǔ)的概念。

（三） 大語(yǔ)言模型詞條自動(dòng)編纂的細(xì)節(jié)表現(xiàn)

本研究中，詞條由讀音、詞性、一個(gè)或多個(gè)義項(xiàng)、掛尾信息等組成，每個(gè)義項(xiàng)又包含釋義和例句等信息。問(wèn)卷調(diào)查結(jié)果僅反映受訪(fǎng)者對(duì)詞條整體質(zhì)量的評(píng)判，缺乏對(duì)詞條組成部分的細(xì)致考察。為了更全面地評(píng)估，本研究對(duì)詞條各組成部分進(jìn)行分析，從更多視角評(píng)估大語(yǔ)言模型的自動(dòng)編纂表現(xiàn)。

1. 注音準(zhǔn)確性分析

40個(gè)詞目樣本中，ChatGPT對(duì)36個(gè)詞目的注音完全正確，僅有4個(gè)詞目注音錯(cuò)誤，錯(cuò)誤率為10%?！爸{(diào)”“鐵帽子王”“花花搭搭”“除了”的讀音分別被錯(cuò)標(biāo)為“zhuótiáo”

“tiěmàozǐwáng”“huāhuādādā”“chúle”，標(biāo)注錯(cuò)誤集中在多音字或輕聲音節(jié)。然而，ChatGPT具備按提示詞標(biāo)注輕聲音節(jié)的能力，比如“了”的拼音被準(zhǔn)確標(biāo)注為“·le”。

為更準(zhǔn)確評(píng)估ChatGPT的注音能力，本研究從《現(xiàn)漢》中另外選取200個(gè)詞語(yǔ)作為樣本，其中僅包含單音字的詞和包含多音字的詞各100個(gè)。每個(gè)詞語(yǔ)從《現(xiàn)漢》中抽取對(duì)應(yīng)的1個(gè)例句，由ChatGPT自動(dòng)標(biāo)注詞語(yǔ)讀音。不同類(lèi)型詞語(yǔ)的注音準(zhǔn)確率如表3所示：

200個(gè)詞語(yǔ)中，ChatGPT的平均注音準(zhǔn)確率為93.0%，有14個(gè)詞注音錯(cuò)誤。在讀音方面，僅包含單音字的詞語(yǔ)注音錯(cuò)誤數(shù)量為3，平均準(zhǔn)確率為97.0%；包含多音字的詞語(yǔ)注音錯(cuò)誤數(shù)量為11，平均準(zhǔn)確率為89.0%。根據(jù)聲調(diào)、詞長(zhǎng)、語(yǔ)體標(biāo)記等特征進(jìn)一步細(xì)分時(shí)，包含多音字的詞的準(zhǔn)確率均低于前者，說(shuō)明ChatGPT為單音字注音時(shí)準(zhǔn)確率較高，為多音字注音時(shí)更容易出錯(cuò)，其中當(dāng)標(biāo)注對(duì)象同時(shí)包含多音字和輕聲字時(shí)，注音準(zhǔn)確率最低，僅為70.0%。在聲調(diào)方面，對(duì)于不含輕聲的詞語(yǔ)，ChatGPT的注音準(zhǔn)確率為96.3%；對(duì)于輕聲詞，ChatGPT的注音準(zhǔn)確率降至80.0%，比如例句“紅霞映山崖呃！”中，“呃”讀為“·e”，ChatGPT標(biāo)注為“è”。可見(jiàn)ChatGPT在輕聲字的標(biāo)注上仍有較大的提升空間。在詞長(zhǎng)方面，單字詞的注音準(zhǔn)確率為97.6%，二字詞和多字詞的注音準(zhǔn)確率為89.6%，說(shuō)明詞長(zhǎng)增加時(shí)，ChatGPT標(biāo)注錯(cuò)誤的概率增大。在語(yǔ)體標(biāo)記方面，一般詞語(yǔ)的注音準(zhǔn)確率為95.3%，口語(yǔ)詞、方言詞、文言詞等特殊語(yǔ)體詞語(yǔ)的注音準(zhǔn)確率為86.0%，比如例句“累累若喪家之狗”中，“累累”為書(shū)面詞，讀為“l(fā)éiléi”，ChatGPT標(biāo)注為“l(fā)ěilěi”。根據(jù)抽樣結(jié)果，ChatGPT對(duì)多音字、輕聲字、多字詞、口語(yǔ)詞、方言詞、文言詞等特殊類(lèi)型字詞的注音準(zhǔn)確率均低于90.0%，更依賴(lài)人工檢查和修正。

2. 詞性標(biāo)注準(zhǔn)確性分析

ChatGPT為40個(gè)詞目生成了102個(gè)義項(xiàng)，其中32個(gè)詞目的詞性標(biāo)注完全準(zhǔn)確，占全部詞目數(shù)的80%；87個(gè)義項(xiàng)的詞性標(biāo)注準(zhǔn)確，占全部義項(xiàng)數(shù)的85.3%。ChatGPT識(shí)別為多義詞的35個(gè)詞目中，27個(gè)詞目的同性標(biāo)注完全正確，占比為77.1%。詞性標(biāo)注錯(cuò)誤的詞語(yǔ)均為多義詞，其中4個(gè)多義詞的所有詞性均標(biāo)注錯(cuò)誤，4個(gè)多義詞的詞性同時(shí)包含正確標(biāo)注和錯(cuò)誤標(biāo)注。由此可見(jiàn)，ChatGPT對(duì)單義詞的詞性標(biāo)注較為準(zhǔn)確，標(biāo)注多義詞的詞性時(shí)，性能更加不穩(wěn)定，可能出現(xiàn)標(biāo)注錯(cuò)誤。ChatGPT詞性標(biāo)注錯(cuò)誤詳情如表4所示：

詞性標(biāo)注屬于自然語(yǔ)言處理領(lǐng)域的基礎(chǔ)任務(wù)，目前中文詞性標(biāo)注已經(jīng)達(dá)到了較高精度。以通用的PFR《人民日?qǐng)?bào)》標(biāo)注語(yǔ)料庫(kù)為例，袁里馳（2023）的方法在該數(shù)據(jù)集上的詞性標(biāo)注精確率和召回率分別為97.67%、97.48%。相比單純對(duì)給定文本進(jìn)行詞性標(biāo)注，詞條釋文生成與詞性標(biāo)注相結(jié)合的任務(wù)難度更大。本研究中，ChatGPT的義項(xiàng)詞性標(biāo)注精確率和召回率分別為85.3%和75.0%，標(biāo)注錯(cuò)誤的概率較高。一種錯(cuò)誤情形是對(duì)于單一詞類(lèi)的多義詞，ChatGPT將詞目所有義項(xiàng)或部分義項(xiàng)的詞性標(biāo)注錯(cuò)誤，比如“應(yīng)該”屬于動(dòng)詞中的助動(dòng)詞小類(lèi)，ChatGPT將所有義項(xiàng)統(tǒng)一標(biāo)注為助詞；“除了”只有介詞詞性，ChatGPT生成了兩個(gè)義項(xiàng)，詞性分別標(biāo)注為介詞、連詞。另一種錯(cuò)誤情形是對(duì)于兼類(lèi)詞，ChatGPT將部分義項(xiàng)的詞性標(biāo)注錯(cuò)誤，比如“催淚”涉及動(dòng)詞和形容詞詞性，ChatGPT生成了兩個(gè)義項(xiàng)，都標(biāo)注為形容詞。

3. 義項(xiàng)劃分合理性分析

義項(xiàng)劃分指將多義詞的不同詞義按照一定標(biāo)準(zhǔn)加以區(qū)分和排列。合理的義項(xiàng)劃分有助于準(zhǔn)確表達(dá)詞目含義、揭示詞義關(guān)聯(lián)、提高詞條可讀性。然而，編纂目的不同，辭書(shū)讀者群體不同，義項(xiàng)劃分標(biāo)準(zhǔn)也不盡相同。辭書(shū)編纂人員在進(jìn)行義項(xiàng)劃分時(shí)同樣面臨諸多挑戰(zhàn)，不同編纂人員的詞義劃分結(jié)果也可能存在差異。因此，義項(xiàng)劃分準(zhǔn)確性的評(píng)判往往具有一定的主觀性。本文僅以《現(xiàn)漢》的義項(xiàng)劃分作為參照，評(píng)估模型義項(xiàng)劃分的合理性。

從義項(xiàng)數(shù)量上看，《現(xiàn)漢》對(duì)本次調(diào)查的40個(gè)詞目劃分的義項(xiàng)數(shù)最小為1個(gè)，最大為9個(gè)，平均義項(xiàng)數(shù)為2.9個(gè)。ChatGPT對(duì)40個(gè)詞目劃分的義項(xiàng)數(shù)最小為1個(gè)，最大為5個(gè)，平均義項(xiàng)數(shù)為2.55個(gè)。這一結(jié)果表明，與參照辭書(shū)相比，ChatGPT生成的詞條在義項(xiàng)數(shù)量上總體較為精簡(jiǎn)。

從義項(xiàng)內(nèi)容上看，ChatGPT能生成《現(xiàn)漢》未收錄的義項(xiàng)，讓部分詞條得到受訪(fǎng)者更高的認(rèn)可度。然而，ChatGPT在義項(xiàng)劃分方面也存在一些不足，主要表現(xiàn)為常用義劃分粒度過(guò)細(xì)，罕用義存在遺漏。以“紅線(xiàn)”“哎”“進(jìn)行”“人”和“感冒”為例，ChatGPT生成的詞條和《現(xiàn)漢》詞條見(jiàn)下：

紅線(xiàn) hóngxiàn ①用紅色染料染成的線(xiàn)：～布。②比喻不可逾越的界限或原則：這是一個(gè)政策的～|～問(wèn)題不容觸犯。③中國(guó)民間傳說(shuō)中的一種象征性物品，常用以表示天注定的緣分，特別是婚姻：相傳月老用～將有緣人連在一起。④在地圖或圖表上用紅色線(xiàn)條標(biāo)示的線(xiàn)，常用以表示特定的數(shù)據(jù)或趨勢(shì)：地圖上的～表示鐵路線(xiàn)路|銷(xiāo)售額的～持續(xù)上升。

（ChatGPT）

哎 āi ①表示驚訝、感嘆或召喚時(shí)的發(fā)聲：～，你看那邊！|～，小張，過(guò)來(lái)一下。②表示悲傷、嘆息或無(wú)奈時(shí)的發(fā)聲：～，怎么會(huì)這樣？|～，真是沒(méi)辦法。③用于語(yǔ)句開(kāi)頭，引起對(duì)方注意，沒(méi)有實(shí)際意義：～，我告訴你一個(gè)好消息|～，這件事情是這樣的。（ChatGPT）

進(jìn)行 jìnxíng ①表示開(kāi)始并繼續(xù)做某事：～調(diào)查|項(xiàng)目～中。②指沿著一定路線(xiàn)前進(jìn)：隊(duì)伍～了三公里|～式游行。③進(jìn)展，發(fā)展：談判～得很順利|工作～得怎么樣？（ChatGPT）

人 rén ①指人類(lèi)，是地球上智力最高的生物：～類(lèi)|～口。②指?jìng)€(gè)體，通常指成年的男性或女性：外國(guó)～|老～。③指有某種身份或特征的人：學(xué)～|好～。④指工作人員或服務(wù)人員：服務(wù)～員|技術(shù)～才。⑤用于計(jì)算人數(shù)的量詞：三個(gè)～|一大群～。（ChatGPT）

感冒 gǎnmào ①一種常見(jiàn)的呼吸道感染疾病，通常由病毒引起，癥狀包括發(fā)熱、咳嗽、鼻塞、喉嚨痛等：～癥狀|預(yù)防～。②指患上感冒：他～了|小心不要～。（ChatGPT）

《現(xiàn)漢》中的釋義見(jiàn)下：

紅線(xiàn) hónɡxiàn ①指一以貫之的正確理論或思想：唯物辯證法是貫穿全書(shū)的一根～。②指劃定禁區(qū)范圍的界線(xiàn)：守住耕地保護(hù)的～|制度～，不容越過(guò)。（《現(xiàn)漢》）

哎 āi ①表示驚訝或不滿(mǎn)意：～！真是想不到的事|～！你怎么能這么說(shuō)呢?、诒硎咎嵝眩骸业褂袀€(gè)辦法，你們大家看行不行？（《現(xiàn)漢》）

進(jìn)行 jìnxínɡ ①?gòu)氖拢撤N活動(dòng)）：～討論|～工作|～教育和批評(píng)|會(huì)議正在～。

“進(jìn)行”總是用在持續(xù)性的和正式、嚴(yán)肅的行為，短暫性的和日常生活中的行為不用“進(jìn)行”，例如不說(shuō)“進(jìn)行午睡”，“進(jìn)行叫喊”。②前進(jìn)：～曲。（《現(xiàn)漢》）

人 rén ①能制造工具并使用工具進(jìn)行勞動(dòng)的高等動(dòng)物：男～|女～|～們|～類(lèi)。

②每人；一般人：～手一冊(cè)|～所共知。③指成年人：長(zhǎng)大成～。④指某種身份或職業(yè)的人：工～|軍～|主～|介紹～|電影～|媒體～。⑤別人：～云亦云|待～誠(chéng)懇。⑥指人的品質(zhì)、性格或名譽(yù)：丟～|這個(gè)同志～很好|他～老實(shí)。⑦指人的身體或意識(shí)：這兩天～不大舒服|送到醫(yī)院～已經(jīng)昏迷過(guò)去了。⑧指人手、人才：～浮于事|我們這里正缺～。⑨（Rén）姓。（《現(xiàn)漢》）

感冒 ɡǎnmào ①傳染病，病原體是病毒，在身體過(guò)度疲勞、著涼、抵抗力降低時(shí)容易引起。癥狀是咽喉發(fā)干、鼻塞、咳嗽、打噴嚏、頭痛、發(fā)熱等。②患這種病。||也叫傷風(fēng)。

③〈口〉感興趣（多用于否定式）：他對(duì)打牌從來(lái)就不～。（《現(xiàn)漢》）

關(guān)于詞條“紅線(xiàn)”，盡管ChatGPT生成的義項(xiàng)①價(jià)值不大，但義項(xiàng)③和④卻具有一定的參考價(jià)值，最終86.1%的受訪(fǎng)者認(rèn)為ChatGPT生成的詞條更優(yōu)。

關(guān)于詞條“哎”和“進(jìn)行”，與《現(xiàn)漢》相比，ChatGPT對(duì)“哎”的義項(xiàng)劃分更為細(xì)致，但義項(xiàng)并不是分得越細(xì)越好，過(guò)于細(xì)分反而容易使詞義不夠清晰，給讀者查找和定位義項(xiàng)帶來(lái)困難；ChatGPT為“進(jìn)行”生成的義項(xiàng)①和③意思相近，《現(xiàn)漢》處理為同一個(gè)義項(xiàng)。Jakubí?ek和Rundell（2023）提到了類(lèi)似的現(xiàn)象，即ChatGPT傾向于用不同的方式解釋同一個(gè)意義，這可能導(dǎo)致模型生成的詞條中出現(xiàn)信息冗余，需要人工進(jìn)行甄別和修改。

關(guān)于詞條“人”和“感冒”，“人”屬于基本詞，用法較多，ChatGPT只生成了“人”的一些常用義項(xiàng)，而沒(méi)有生成《現(xiàn)漢》中⑥—⑨對(duì)應(yīng)的義項(xiàng)，這些義項(xiàng)與漢語(yǔ)特定的文化背景和表達(dá)習(xí)慣密切相關(guān)，反映了“人”用法的多樣性和靈活性；ChatGPT生成了“感冒”在醫(yī)學(xué)領(lǐng)域的義項(xiàng)，但未生成“感冒”在口語(yǔ)中的用法。可見(jiàn)，處理具有特殊語(yǔ)體色彩的詞語(yǔ)時(shí)，ChatGPT的表現(xiàn)不夠理想，容易遺漏一些非常用義或“地道”的表達(dá)方式。

綜上所述，ChatGPT在義項(xiàng)劃分上展現(xiàn)出了一定的創(chuàng)新性，能夠從新穎的角度提供具有啟發(fā)性的義項(xiàng)，是其優(yōu)勢(shì)所在。與此同時(shí)，ChatGPT在常用義和罕用義的處理上還存在一些不足，如義項(xiàng)劃分顆粒度把握不當(dāng)、對(duì)部分義項(xiàng)的遺漏等。這些問(wèn)題的存在凸顯了人機(jī)協(xié)作的必要性，即由專(zhuān)業(yè)編纂人員對(duì)機(jī)編義項(xiàng)進(jìn)行審核和調(diào)整，在提高編纂效率的同時(shí)，為用戶(hù)呈現(xiàn)更加準(zhǔn)確、全面且富有特色的義項(xiàng)劃分。

4. 釋義準(zhǔn)確性分析

釋義是對(duì)詞義的解釋?zhuān)窃~條最核心的組成部分，直接影響著用戶(hù)對(duì)詞目的理解和使用。詞條釋義應(yīng)該準(zhǔn)確、簡(jiǎn)明、規(guī)范，清楚地闡釋詞語(yǔ)的意義、用法和語(yǔ)法特點(diǎn)等信息。ChatGPT熟練掌握了“指”“形容”“比喻”“表達(dá)”等辭書(shū)釋義用詞，生成的釋義語(yǔ)言簡(jiǎn)潔、通俗易懂，沒(méi)有明顯的語(yǔ)法錯(cuò)誤，例如“回信”和“逆天”：

回信 huíxìn ①對(duì)收到的信件作出的答復(fù)：收到一封～|期待你的～。②對(duì)收到的信件進(jìn)行回復(fù)：請(qǐng)盡快～。

逆天 nìtiān 網(wǎng)絡(luò)流行語(yǔ)，原指違背自然法則或常理，后泛指某人或某事物的能力、表現(xiàn)遠(yuǎn)超常人或常規(guī)，達(dá)到了令人難以置信的程度：他的記憶力簡(jiǎn)直～|這款游戲的難度～。

然而，ChatGPT生成的釋義也存在一些問(wèn)題，主要包括以下兩種情況：

（1） 完全虛構(gòu)釋義?；糜X(jué)現(xiàn)象是大語(yǔ)言模型普遍存在的問(wèn)題，ChatGPT生成的釋義可能與事實(shí)不符。虛構(gòu)的釋義缺乏真實(shí)性和可靠性，容易誤導(dǎo)讀者。例如，“兜底翻”的ChatGPT釋義和《現(xiàn)漢》釋義如下：

兜底翻 dōudǐfān ①指在體操、雜技或其他運(yùn)動(dòng)中，以雙腳為軸心進(jìn)行的一種翻轉(zhuǎn)動(dòng)作，身體形成一個(gè)圓弧：完成一次～|～訓(xùn)練。②泛指在其他領(lǐng)域中進(jìn)行的類(lèi)似翻轉(zhuǎn)、翻身的行動(dòng)或變化：事業(yè)上的～|策略上的～。（ChatGPT）

兜底翻 dōudǐfān ①比喻把底細(xì)全部揭露出來(lái)：對(duì)這起事故的原因要～，徹底查，決不姑息。②比喻徹底換掉：工作要有連續(xù)性，不要換一屆領(lǐng)導(dǎo)就～。（《現(xiàn)漢》）

“兜底翻”原指為尋找某物將所有東西都翻出來(lái)，常用來(lái)借指徹底推翻原有的計(jì)劃、方案，《現(xiàn)漢》收錄了該詞的兩個(gè)比喻義。ChatGPT將“兜底翻”解釋為一種運(yùn)動(dòng)動(dòng)作，不符合實(shí)際。

（2） 釋義不準(zhǔn)確。有時(shí)ChatGPT僅給出詞目中個(gè)別語(yǔ)素的含義，以偏概全。例如，ChatGPT為“左右”生成的釋義如下：

左右 zuǒyòu ①表示方位，與“右”相對(duì)：他站在我～|～手?！–hatGPT）

義項(xiàng)①的釋義實(shí)際是“左”的含義，ChatGPT生成時(shí)忽略了“右”，使用“左”來(lái)代表“左右”，未能準(zhǔn)確表達(dá)“左右”作為方位詞的意義。

有時(shí)ChatGPT對(duì)詞目概念的描述不夠嚴(yán)謹(jǐn)、不夠清晰。例如，ChatGPT為“矛盾”生成的釋義如下：

矛盾 máodùn ①古代兵器，一端是矛，另一端是盾?！–hatGPT）

義項(xiàng)①前半部分“古代兵器”符合“矛盾”的性質(zhì)，但進(jìn)一步的描述存在問(wèn)題，“一端是矛，另一端是盾”容易讓讀者誤以為“矛”和“盾”是同一兵器的兩個(gè)部分，但實(shí)際上“矛”和“盾”是兩種兵器。

5. 舉例準(zhǔn)確性分析

辭書(shū)編纂中的舉例按照形式可分為詞例、短語(yǔ)例、句例、句群例等。傳統(tǒng)的舉例編纂方式包括自編、改編和書(shū)證，而隨著自然語(yǔ)言處理技術(shù)的發(fā)展，大語(yǔ)言模型已經(jīng)能夠自動(dòng)生成不同形式的舉例，即機(jī)編例子。40個(gè)詞目不同形式的舉例的數(shù)量見(jiàn)表5所示：

ChatGPT生成的舉例數(shù)整體上高于《現(xiàn)漢》，以短語(yǔ)例（54.55%）為主，其次是句例（37.88%），詞例數(shù)量較少（7.58%），未生成句群例；《現(xiàn)漢》舉例以短語(yǔ)例（47.49%）和c/ICAlStMK7KjOiSx8G7vSgRnee0iycDKX0rt0qm8vw=句例（40.22%）為主，詞例數(shù)量較少（10.61%），此外包含少量句群例（1.68%）形式。相比于《現(xiàn)漢》，ChatGPT生成詞目的舉例類(lèi)型更為單一，短語(yǔ)例出現(xiàn)最為頻繁，詞例、句例和句群例的比例均略低于《現(xiàn)漢》。盡管在詞條自動(dòng)編纂釋文的提示詞中，舉例被描述為可選項(xiàng)，但ChatGPT為所有詞目無(wú)一例外地生成了舉例。ChatGPT和《現(xiàn)漢》詞條中各個(gè)義項(xiàng)舉例數(shù)量的標(biāo)準(zhǔn)差分別為0.27和1.51，可見(jiàn)ChatGPT舉例數(shù)量整體分布較平均，相比之下，《現(xiàn)漢》對(duì)用法多的詞目集中舉例，非必要不舉例，兼顧了典型性和針對(duì)性。

《〈現(xiàn)代漢語(yǔ)詞典〉編纂細(xì)則》（呂叔湘2004）在總則中論述了辭書(shū)舉例的指導(dǎo)思想，“舉例要注意思想內(nèi)容，語(yǔ)言生動(dòng)活潑，并且多樣化。切忌內(nèi)容庸俗，形式大同小異，語(yǔ)言僵硬單調(diào)”。經(jīng)過(guò)檢查，ChatGPT生成的舉例存在虛構(gòu)和重復(fù)等問(wèn)題。比如，ChatGPT為詞目“干凈”“不”“左右”生成了“干凈官”“不勝似敗”“成敗由左右”等例子，漢語(yǔ)中不存在這些用法。舉例重復(fù)問(wèn)題以“著調(diào)”為例：

著調(diào) zhuótiáo ①形容事物調(diào)和，搭配得當(dāng)：這套家具的顏色很～|裝飾得～。②指言行得體，合乎情理：他做事總是很～|談吐～。③形容人或事物有特色，引人注目：這個(gè)設(shè)計(jì)很～|她的穿搭風(fēng)格很～。（ChatGPT）

“著調(diào)”三個(gè)義項(xiàng)的舉例都反復(fù)出現(xiàn)“很～”結(jié)構(gòu)，雖然整體能夠體現(xiàn)詞語(yǔ)的語(yǔ)義搭配用法，但句法形式缺乏變化，存在公式化問(wèn)題，同時(shí)內(nèi)容不夠精簡(jiǎn)，占用較大篇幅。

綜上所述，ChatGPT雖然能快速生成舉例，但其多樣性、靈活性、針對(duì)性有待提高?？梢酝ㄟ^(guò)優(yōu)化提示詞、提供包含詞目的語(yǔ)料等方式，進(jìn)一步提升機(jī)編例子的質(zhì)量，使其在句法結(jié)構(gòu)和語(yǔ)義表達(dá)上更加豐富多樣，更好地滿(mǎn)足辭書(shū)舉例實(shí)際需求。此外，也可以限定舉例形式和數(shù)量，讓ChatGPT有針對(duì)性地生成更多舉例，供辭書(shū)編纂人員挑選。

四、 余 論

本文以ChatGPT為例，調(diào)查了大語(yǔ)言模型在漢語(yǔ)辭書(shū)詞條自動(dòng)編纂中的表現(xiàn)。結(jié)果表明，ChatGPT在注音和詞性標(biāo)注方面展現(xiàn)出較高的準(zhǔn)確率，尤其對(duì)單音字和單一詞性詞的標(biāo)注效果更佳。ChatGPT能夠從新穎角度提供具有啟發(fā)性的義項(xiàng)，體現(xiàn)出一定的創(chuàng)新性。在釋義方面，ChatGPT生成的釋文語(yǔ)言簡(jiǎn)潔通俗，無(wú)明顯語(yǔ)法錯(cuò)誤。同時(shí)，ChatGPT能快速、批量生成舉例，節(jié)省人力。然而，ChatGPT在處理多音字、輕聲字、多義詞、口語(yǔ)詞、方言詞、文言詞等特殊詞語(yǔ)時(shí)，注音和詞性標(biāo)注的準(zhǔn)確率有待提高，對(duì)義項(xiàng)劃分把握也欠佳，容易遺漏非常用義項(xiàng)。此外，ChatGPT生成的釋義可能出現(xiàn)虛構(gòu)或不準(zhǔn)確等情況，包括舉例形式單一、內(nèi)容重復(fù)、針對(duì)性不足等問(wèn)題。

ChatGPT等大語(yǔ)言模型為傳統(tǒng)辭書(shū)編纂模式帶來(lái)了新的啟示。一方面，ChatGPT可作為辭書(shū)編纂的輔助工具，通過(guò)高效生成詞條初稿，實(shí)現(xiàn)人機(jī)協(xié)同，節(jié)省編纂時(shí)間，提升編纂質(zhì)量。另一方面，針對(duì)性?xún)?yōu)化大語(yǔ)言模型在辭書(shū)編纂中的應(yīng)用，如專(zhuān)門(mén)訓(xùn)練或微調(diào)模型、完善釋義機(jī)制、豐富舉例形式等，將有助于提高機(jī)編辭書(shū)的整體水平。此外，充分發(fā)揮大語(yǔ)言模型的技術(shù)優(yōu)勢(shì)，積極探索辭書(shū)編纂的創(chuàng)新路徑，如拓展義項(xiàng)劃分視角、實(shí)現(xiàn)辭書(shū)動(dòng)態(tài)更新、滿(mǎn)足用戶(hù)個(gè)性化需求等，也是值得關(guān)注的發(fā)展方向。同時(shí)，在語(yǔ)料選取、模型架構(gòu)設(shè)計(jì)、評(píng)估體系構(gòu)建等技術(shù)層面進(jìn)行持續(xù)優(yōu)化，將為大語(yǔ)言模型賦能辭書(shū)編纂提供更加堅(jiān)實(shí)的基礎(chǔ)。

隨著人工智能的發(fā)展，大語(yǔ)言模型必將助力漢語(yǔ)辭書(shū)向智能化方向發(fā)展，但此間也將面臨諸多挑戰(zhàn)。辭書(shū)編纂模式變革、查檢方式創(chuàng)新固然值得期待，但編纂理念更新、知識(shí)產(chǎn)權(quán)保護(hù)、人才隊(duì)伍建設(shè)等問(wèn)題也同樣值得關(guān)注。推動(dòng)漢語(yǔ)辭書(shū)編纂理論和實(shí)踐的創(chuàng)新發(fā)展，需要在借鑒大語(yǔ)言模型等前沿技術(shù)的同時(shí)，加強(qiáng)傳統(tǒng)編纂理論與人工智能技術(shù)的深度融合，建立健全人機(jī)協(xié)同的辭書(shū)編纂新范式。只有在堅(jiān)持傳承與創(chuàng)新并重的基礎(chǔ)上，加強(qiáng)多學(xué)科交叉融合，才能更好地推進(jìn)漢語(yǔ)辭書(shū)編纂事業(yè)的智能化發(fā)展，為廣大讀者提供更加優(yōu)質(zhì)、高效、個(gè)性化的辭書(shū)服務(wù)。

本研究的不足主要有：（1） 設(shè)計(jì)問(wèn)卷時(shí)，考慮到受訪(fǎng)者作答時(shí)間因素，將最初的100個(gè)詞目降為40個(gè)詞目，樣本數(shù)量的減少一定程度上影響了樣本的代表性和結(jié)論的可靠性。（2） 研究主要采用問(wèn)卷調(diào)查的方式，通過(guò)受訪(fǎng)者的主觀判斷來(lái)評(píng)估ChatGPT編纂詞條的整體質(zhì)量，評(píng)估指標(biāo)較為單一。（3） 文章重點(diǎn)關(guān)注ChatGPT在詞條自動(dòng)編纂中的表現(xiàn)，但缺少與其他自動(dòng)編纂方法的對(duì)比，缺少不同大語(yǔ)言模型之間的對(duì)比。（4） 提示詞的編寫(xiě)有許多策略，本文對(duì)這些策略的使用不夠充分。未來(lái)可針對(duì)上述不足進(jìn)一步擴(kuò)展本研究。

附 注

［1］ 主頁(yè)：https：//www.collinsdictionary.com/dictionary/english。

［2］ 主頁(yè)：https：//www.macmillanenglish.com。

［3］ ChatGPT使用該提示詞生成GI1ooJzO4umsAqz4J1HmGTorE+8fjuvGwpRKZc+Vq2A=釋義的時(shí)間為2024年1月23日。

［4］ ChatGPT直接生成的詞條見(jiàn)下：

“熱絡(luò)” rèluò ｛形｝①形容感情親密，交往頻繁：他們之間的關(guān)系很～|～的氣氛。②指活動(dòng)或場(chǎng)合氣氛熱烈，人際交往頻繁：聚會(huì)十分～|市場(chǎng)～。（ChatGPT）

“彼” bǐ ｛代｝ ①指遠(yuǎn)離說(shuō)話(huà)人和聽(tīng)話(huà)人的人或事物：～岸|～處。②用于指代前文已提到的人或事物：～時(shí)|～人。③古代文言文中，常用作男子的美稱(chēng)：～生|～君。（ChatGPT）

為便于同《現(xiàn)漢》詞條對(duì)比，我們對(duì)ChatGPT生成的詞條進(jìn)行了后處理：詞目刪除雙引號(hào)，詞性外加方框。

［5］ 括注內(nèi)的序號(hào)表示標(biāo)注了當(dāng)前詞性的義項(xiàng)號(hào)。

參考文獻(xiàn)

1. 范齊楠，孔存良，楊麟兒，等.基于BERT與柱搜索的中文釋義生成.中文信息學(xué)報(bào)，2021（11）：80-90.

2. 呂叔湘.《現(xiàn)代漢語(yǔ)詞典》編寫(xiě)細(xì)則. //中國(guó)社會(huì)科學(xué)院語(yǔ)言研究所詞典編輯室編.《現(xiàn)代漢語(yǔ)詞典》五十年.北京：商務(wù)印書(shū)館，2004.

3. 魏雪，袁毓林.基于規(guī)則的漢語(yǔ)名名組合的自動(dòng)釋義研究.中文信息學(xué)報(bào)，2014（3）：1-10.

4. 袁里馳.基于BiLSTM-CRF的中文分詞和詞性標(biāo)注聯(lián)合方法.中南大學(xué)學(xué)報(bào)，2023（8）：3145-3153.

5. 中國(guó)社會(huì)科學(xué)院語(yǔ)言研究所詞典編輯室編，現(xiàn)代漢語(yǔ)詞典（第7版）.北京：商務(wù)印書(shū)館，2016.

6. Cai Z，Haslett D，Duan X，et al. Do Large Language Models Resemble Humans in Language Use？ arXiv preprint arXiv：2303.08014，2023.

7. Gadetsky A，Yakubovskiy I，Vetrov D. Conditional Generators of Words Definitions. //Proceedings of the 56th Annual Meeting of the Association for Computational Linguistics，2018（2）：266-271.

8. Jakubí?ek M，Rundell M. The End of Lexicography？ Can ChatGPT Outperform Current Tools for Post-editing Lexicography？ //Proceedings of the eLex 2023 Conference，2023：518-533.

9. Kong C，Chen Y，Zhang H，et al. Multitasking Framework for Unsupervised Simple Definition Generation. // Proceedings of the 60th Annual Meeting of the Association for Computational Linguistics，2022（1）：5934-5943.

10. Lew R. ChatGPT as a COBUILD lexicographer. Humanities and Social Sciences Communications，2023（10）：1-10.

11. Noraset T，Liang C，Birnbaum L，et al. Definition Modeling：Learning to Define Word Embeddings in Natural Language. // Proceedings of the AAAI Conference on Artificial Intelligence，2017（31）：3259-3266.

12. OpenAI，Achiam J，Adler S，et al. GPT-4 Technical Report. arXiv preprint arXiv：2303.08774，2023.

13. Phoodai C，Rikk R. Exploring the Capabilities of ChatGPT for Lexicographical Purposes：A Comparison with Oxford Advanced Learner’s Dictionary within the Microstructural Framework.

//Proceedings of the eLex 2023 Conference，2023：335-365.

14. Rees G，Lew R. The Effectiveness of OpenAI GPT-Generated Definitions Versus Definitions from an English Learners’ Dictionary in a Lexically Orientated Reading Task. International Journal of Lexicography，2024（1）：50-74.

15. Tran H，Podpe?an V，Tomazin M，et al. Definition Extraction for Slovene： Patterns，Transformer Classifiers and ChatGPT. //Proceedings of the eLex 2023 Conference，2023：19-38.

（張永偉 中國(guó)社會(huì)科學(xué)院大學(xué)文學(xué)院/中國(guó)社會(huì)科學(xué)院辭書(shū)編纂研究中心 北京 102488；

劉 婷 中國(guó)社會(huì)科學(xué)院大學(xué)文學(xué)院 北京 102488）

（責(zé)任編輯 郎晶晶）