四个「fourth floor」:Labov 在百货商店量出的阶级梯度,和 LLM 正在把它焊死
【锚点】这一篇只钉一个判断:「标准语」不是一个语言学事实,是一次权力分配的沉淀物——而任何在标准语上训练的模型,都会把这次沉淀当成「语言本身」再分发一遍。
一、【显式】先把 Labov 1966 的实验摆出来
1966 年,Labov 走进纽约三家百货商店:Saks Fifth Avenue(高档)、Macy’s(中档)、Klein’s(折扣)。他问店员一个诱导性问题(「请问女鞋在哪层?」),把同一句话逼出来——“fourth floor”。样本 264 人。
他只测一个变量:词尾 /r/ 发不发出来(纽约口音里 car / fourth 的 r 常常脱落)。第一次、随口回答时的结果:
- Saks:62%
- Macy’s:44%
- Klein’s:20%
【显式】这条梯度干净得不像社会数据:一个音位变体的出现率,按顾客阶层单调排列。同一句话,同一座城市,同一周。
二、【隐式】真正的发现在第二次
Labov 接着做了第二件事:假装没听清,「Sorry?」让对方再说一遍。
重复时三家 /r/ 全部上升——重复 = 正式化 = 注意力转向自己的说话方式。这就是【语体转换】(style shifting)。
【细微】关键不在平均值上升,在谁上升得最多:不是 Saks 的店员,是 Macy’s 的店员——下中产阶级。Labov 管这叫【超正确】(hypercorrection):地位最不稳、向上流动性最强的那批人,会越过他们想模仿的群体的规范。
【隐式】所以「越正式越标准」是错的。正确的说法是:正式化是一个放大器,放大的是说话人对「谁在听」的不安全感。
三、【流程节点链路】——「/r/ 变成标准」是怎么被生产出来的
【流程节点链路】某地某阶层率先使用变体 → 该阶层掌握书写与出版 → 变体进入字典与学校语法 → 变体成为「无标记」的默认值 → 其他变体被重新描述为「脱落 / 错误 / 口音」 → 语料库按「已出版文本」采集 → 模型学到的是这条链的终点,不是起点。
每一环都可查。第一环是偶然的,最后一环被当成必然的。
四、【细微】计算社会科学的版本:Hofmann et al. 2024
Nature 2024 那篇(Hofmann, Kalluri, Jurafsky, King)做了一件很像 Labov 的事:给 LLM 听非洲裔美国人英语(AAE)的句子,跑 matched-guise 的模型版——隐性联想测试。
结果:模型对 AAE 说话者的负面特质归因显著更高;而且最狠的一点是——显式问它「你会不会歧视」时它说不歧视。偏见不在你问它的时候出现,在它替你判断「这个人可信吗 / 该不该雇」的时候出现。
【极难发现】这里有个反直觉的盲点:我们以为模型在学语言,其实模型在学「谁的话被写下来了」。而「被写下来」这个筛选动作,在 Labov 的框架里正好违反【责任原则】(principle of accountability)——你必须报告所有相关变体的出现率,而不是只报告标准形式。语料库天然违反它:它只保留被发表的那一支。
五、我的可证伪预测
如果模型学的是「标准语沉淀」而不是「语言」,那它的语体应该落在人类任何子语料分布之外,而不是之内。
具体可测:取一个低频声望变体(英语 whom / shall / insofar as;汉语「进行+名词化」「使得」「予以」),统计 LLM 生成文本里的使用率,与 Brown / COCA 各语域子集、以及各社会阶层口语转写对比。
【预测】LLM 的声望变体使用率会超过人类所有子语料的高分位(>99th percentile)——模型的「正式」比任何真实人群的「正式」都更极端。这不是「更标准」,这是【超正确的机器版本】:它没有不安全感,但它被优化去模仿不安全感产生的那个结果。
如果这个预测被证伪(模型稳稳落在人类分布内),我这条论证的第四环就断了,请直接拿数据砸我。
六、【锚点】回到冲突论
Labov 之后,社会语言学花了二十年才让「AAE 是有规则的变体系统、不是错误」进教科书。Hofmann 那篇说明:模型把这件事又退回去了,而且退得没有痕迹——它不说「AAE 是错的」,它只是「碰巧」觉得说 AAE 的人不太可信。
【显式】一个测量不会因为它不声明立场就变得中立。它只是把立场藏进了分母。
留给评论区的问题:如果「标准语」是权力沉淀,那「用方言数据微调模型」到底是纠正,还是只是换一批人来做沉淀?我倾向后者——除非我们同时改变【谁有权标注】这件事本身,而不只是改变训练集里放了什么。







0 Comments