170
40为什么到了 AI 时代，英文继续沿用 token 和 agent 这些旧词，中文却造出了“词元”和“智能体”这样的新名字？从游戏代币、FBI 特工、航天飞机和病毒载体，到大模型的分词、工具调用与思维链，这一期我们从词语的多义性出发，聊到不同语言如何铺设不同的“语义地图”。
语言不一定决定我们能想到什么，却可能影响我们先注意什么、习惯从哪里进入一个概念，以及哪条推理路径走起来更顺。
借着《巴别塔》的银条、thinking for speaking，以及“如果你不在桌边，你就在菜单上”这句隐喻，我们试着从两种语言之间那一点无法完全对齐的缝隙，重新看看翻译、AI 与思考本身。
声明：封面由ChatGPT生成
时间轴
- 00:08 从 token 和 agent 说起：为什么英文复用旧词，中文创造新术语？
- 01:32 Token & Agent 101：词元、分词器，以及智能体如何调用工具做事
- 08:36 一词多义背后的共同结构：token、agent 与 agency
- 10:46 Shuttle、vector、probe、crypt：跨领域复用的词，如何把不同概念连起来
- 15:45 结构映射与复合构词：英文更重“关系”，中文更容易“望文生义”吗？
- 18:13 命名与翻译，会不会改变我们理解新概念的路径？
- 20:54 Word2Vec 与语义空间：词语如何在数学地图上留下形状
- 23:31 分词器、语言差异与大模型的“归纳偏置”
- 25:51 双语推理、思维链与不同语言中的思考轨迹
- 28:31 语言相对论、thinking for speaking，以及“他 / 她”的口误
- 32:33 《巴别塔》：翻译没有带过去的那一点差异，如何变成魔法
- 35:29 “不在桌边，就在菜单上”与“人为刀俎，我为鱼肉”
- 38:41 把两张语义地图重叠起来，从语言的缝隙重新看熟悉的世界
本期提到的关键词
token、agent、agency、tokenizer、Brainshuttle、vector、probe、crypt、结构映射、复合构词、Word2Vec、语义空间、归纳偏置、CoT、thinking for speaking、语言相对论、《巴别塔》
主要参考与延伸阅读
- 结构映射与词语多义性：Gentner（1983）；Srinivasan & Rabagliati（2015）；Jakubowski、Gašić & Zibrowius（2020）。
- 汉语复合构词与中英语义空间：Song et al.（2022）；Yang & Baayen（2025）。
- 词元与分词器：Petrov et al.（2023）；Ali et al.（2024）；Haslett（2025）；《Qwen Technical Report》（2023）。
- 语言与大模型推理：Wang et al.（2025）；Li et al.（2025）；Xu & Zhang（2026）。
- 语言相对论与 thinking for speaking：Slobin（1996）；Lucy（1997）；Lai、Rodriguez & Narasimhan（2014）。
- 词向量：Mikolov et al.（2013），*Efficient Estimation of Word Representations in Vector Space*。
其他资料包括 Roche 对 Brainshuttle 的介绍、Etymonline 的 vector / shuttle 词源资料、token 的技术说明，以及布林肯 2024 年 2 月 17 日在慕尼黑的讲话。节目中关于《巴别塔》“语义邻域差值”的部分是本期的解释性想象，并非小说提供的计算模型。
完整参考文献（24 项）
1. Gentner, D. (1983). “Structure-Mapping: A Theoretical Framework for Analogy.” Cognitive Science, 7, 155–170。
2. Song, Z., Xiong, J., Zhao, Q. & Huang, C.-R. (2022). “Compounding Is Semantics-driven in Chinese.” The Cambridge Handbook of Chinese Linguistics。
3. Srinivasan, M. & Rabagliati, H. (2015). “How concepts and conventions structure the lexicon: Cross-linguistic evidence from polysemy.” Lingua, 157, 124–152。
4. Tjuka, A., Forkel, R., Rzymski, C. & List, J.-M. CLICS 4 数据与项目，2026 v1.0。
5. Jakubowski, A., Gašić, M. & Zibrowius, M. (2020). “Topology of Word Embeddings: Singularities Reflect Polysemy.” SEM 2020, 103–113。
6. Yang, Y. & Baayen, R. H. (2025). “Comparing the semantic structures of lexicon of Mandarin and English.” Language and Cognition, 17, e10。
7. Wiedemann, G., Remus, S., Chawla, A. & Biemann, C. (2019). “Does BERT Make Any Sense? Interpretable Word Sense Disambiguation with Contextualized Embeddings.” KONVENS。
8. Yenicelik, D., Schmidt, F. & Kilcher, Y. (2020). “How does BERT capture semantics? A closer look at polysemous words.” BlackboxNLP。
9. Petrov, A., La Malfa, E., Torr, P. & Bibi, A. (2023). “Language Model Tokenizers Introduce Unfairness Between Languages.” NeurIPS。
10. Ali, M. et al. (2024). “Tokenizer Choice For LLM Training: Negligible or Crucial?” Findings of NAACL。
11. Bai, J. et al. (2023). “Qwen Technical Report.”
12. Haslett, D. A. (2025). “Tokenization Changes Meaning in Large Language Models: Evidence from Chinese.” Computational Linguistics, 51(3), 785–814。
13. Wang, C. et al. (2025). “Under the Shadow of Babel: How Language Shapes Reasoning in LLMs.” Findings of EMNLP。
14. Inaba, T. et al. (2025). “How a Bilingual LM Becomes Bilingual: Tracing Internal Representations with Sparse Autoencoders.” Findings of EMNLP。
15. Li, Y., Xin, J., Miao, M. M., Long, Q. & Ungar, L. (2025). “The Impact of Language Mixing on Bilingual LLM Reasoning.” EMNLP。
16. Xu, S. & Zhang, W. (2026). “Language of Thought Shapes Output Diversity in Large Language Models.” ACL。
17. Yong, Z. X. et al. (2025). “The State of Multilingual LLM Safety Research: From Measuring The Language Gap To Mitigating It.” EMNLP。
18. “Tokenization Matters! Degrading Large Language Models through Challenging Their Tokenization” (2024)。
19. Lucy, J. A. (1997). “Linguistic Relativity.” Annual Review of Anthropology, 26, 291–312。
20. Slobin, D. I. (1996). “From ‘Thought and Language’ to ‘Thinking for Speaking’.” In Gumperz & Levinson, Rethinking Linguistic Relativity。
21. Lai, V. T., Rodriguez, G. G. & Narasimhan, B. (2014). “Thinking-for-speaking in early and late bilinguals.” Bilingualism: Language and Cognition, 17(1), 139–152。
22. Li, J. et al. (2026). “She or He? Source of Errors in L2 Production of 3rd Person Singular Pronouns by Chinese Speakers of English.” Journal of Psycholinguistic Research, 55, article 38。
23. Tamariz, M. (2017). “Experimental Studies on the Cultural Evolution of Language.” Annual Review of Linguistics, 3, 389–407。
24. Mikolov, T., Chen, K., Corrado, G. & Dean, J. (2013). “Efficient Estimation of Word Representations in Vector Space.”
资料说明
- Brainshuttle 是借助血脑屏障细胞表面的受体转运治疗性分子，不宜简单理解成“装药的车”。
- 节目中的“边和节点”“关系复用 versus 复合命名”是主持人的解释性类比，并非相关论文直接验证的结论。
- Token 的实际切分取决于具体模型和 tokenizer。
- 布林肯原话为：“If you're not at the table in the international system, you're going to be on the menu.”
