PsyBrain 脑心前沿 / 科研分析：认知神经科学前沿的结构化精读 / L · 语言与阅读 / L013 · NatHumBehav：当我们说话时，大脑真的在画句法树

L013 Nat Hum Behav：当我们说话时，大脑真的在画句法树吗？一种基于线性序列的语言认知新模型

来源：公众号 PSY-Brain_Frontier ｜发布：2026-02-08 ｜原文链接

PsyBrain 脑心前沿 | 公众号 PSY-Brain_Frontier

一键关注，点亮星标 ⭐️

不错过每日前沿资讯

🧠 PsyBrain · 寒假提升计划 💪

数据分析原理、实践与可视化本该是通往真理的桥梁，但往往成为阻碍你探索科学的高墙。

今年，我们联手国内顶尖名校博士和资深硕博生为你打造了一套认知神经科学全栈工具箱。从经典的sMRI、fMRI、dMRI、EEG/MEG，到硬核的电生理、脑机接口，再到前沿的 RSA、MVPA、强化学习、认知建模、大语言模型，我们一站式配齐，欢迎查看~

课程时间 2026年2月24-28日*，部分开设在3月初，报名截止 2026年2月17日*，欢迎垂询~

🌟[点击此处查看课程详情]🌟

认知神经科学前沿文献分享

基本信息

Title:Evidence for the representation of non-hierarchical structures in language

发表时间：2026.1.21

发表期刊: Nature Human Behaviour

影响因子：15.9

获取原文：

*添加小助手:*PSY-Brain-Frontier即可获取PDF版本
点击页面底部“阅读原文”即可跳转论文原网页

研究背景

“有限的手段，无限的运用。”洪堡特（von Humboldt）这句关于语言的名言虽然老生常谈，却精准道出了语言的奇妙之处：人类可以生成并理解从未听到过的句子。

长期以来，语言科学界对于这种能力的解释主要由两种主流观点主导。一种是以乔姆斯基为代表的生成语法（Generative Grammar），认为大脑中存在“词库”和“语法规则”，通过将词语组装成层级化的“成分”（Constituents，如名词短语NP、动词短语VP）来构建句子。另一种是构式语法（Construction Grammar），认为语言是由一系列形义匹配的“构式”（Constructions）组成的，这些构式通常也具有明确的层级结构或约定俗成的意义。

然而，这种基于“层级结构”或“完整意义”的假设可能并非故事的全貌。在自然语言中，存在大量高频出现的“多词语块”（multiword chunks），例如 “in the middle of”。更有趣的是，还有许多既不构成完整语法成分，也没有独立语义的线性序列，例如 “verb preposition determiner”（动词+介词+限定词，如 talk to the）。

Fig. 1 | Different representations of grammatical structure.

这些碎片化的、非层级性的线性序列，在我们的认知加工中扮演了什么角色？它们仅仅是统计学习的副产品，还是某种独立的语言表征形式？现有的理论框架，无论是强调层级规则的生成学派，还是强调形式-意义映射的构式学派，似乎都难以给这些“三不管”地带的非成分序列（Non-constituents）一个合理的解释。本研究正是为了挑战这一传统假设，探讨大脑是否利用简单的线性词性序列来支撑复杂的语言处理。

研究核心总结

本研究通过六项实验与语料库分析，首次为非成分多词结构（Non-constituent multiword structures）的心理真实性提供了确凿证据。

Fig. 2 | Experimental design.

核心发现：非成分序列的结构启动效应

研究团队采用了一系列精心设计的“短语决策任务”（Phrasal Decision Task），发现即便是那些不构成语法成分、也不具备完整语义的词串，也能引发显著的结构启动效应（Structural Priming）。具体而言，当被试刚刚处理过一个特定的词性序列（如knew that she，结构为“动词-从属连词-代词”）后，他们处理下一个具有相同词性结构的非成分序列（如wondered if you）的速度会显著加快。

Fig. 3 | Structural priming in the phrasal decision task.

为了排除单纯的词汇重复或单词层面的干扰，研究进一步证实：

序列特异性：简单的词性重复（如乱序）无法产生同样的促进效果，说明大脑表征的是特定的线性序列结构。
非层级依赖性：这种启动效应并非因为被试脑补了完整的短语结构。实验表明，非成分序列（Part）之间的启动效应独立存在，甚至可以脱离包含它的完整成分（Whole）而独立发生作用。

Fig. 4 | Priming between ‘parts’ and ‘wholes’.

生态效度验证

这种现象不仅存在于实验室的按键任务中。研究者通过分析大规模眼动阅读语料库（CELER）和电话对话语料库（Switchboard），发现在自然的阅读理解和口语生成中，非成分结构的重复出现同样能显著降低阅读时间并提高产出概率。这表明，这种基于线性序列的加工机制广泛存在于真实的语言运用中。

图10

Fig. 5 | Structural priming in eye-tracked reading.

图11

Fig. 6 | Structural priming in conversation.

机制解释：线性序列作为“加工粘合剂”

为什么大脑要存储这些看似无用的碎片结构？作者提出了“加工粘合剂”（Processing Glue）假说。在语言处理过程中，传统的层级结构（如名词短语、动词短语）是构建语义的核心砖块，而这些非成分的线性序列（如 noun preposition determiner）则像灰泥一样，通过提供预先激活的线性加工路径，帮助大脑更流畅地将各个独立的语法成分“粘合”在一起。这种机制允许语言系统利用线性预测来辅助层级构建，从而实现高效的实时处理。

图12

Fig. 7 | A possible function for non-constituent structures.

图13

研究意义

这项研究对语言科学具有颠覆性意义。它挑战了语言表征必须基于“成分”或“构式”的二元对立观点。结果表明，人类语言系统不仅包含层级化的语法树，还并行利用着大量扁平的、基于词性的线性结构。这提示我们需要一种更灵活的认知模型，将层级结构解析与线性的序列加工有机结合，以解释人类语言“有限手段、无限运用”的本质。

图14

Abstract

A long-standing assumption in the language sciences is that the mental representation of language is based on constituents—that is, hierarchical structures rooted in grammar. We provide evidence from English for a more basic kind of linguistic representation involving smaller, linear chunks of structure akin to sequences of parts-of-speech elements—such as verb preposition determiner shared between the strings added to a and defined by the. Across four preregistered phrasal decision experiments (total N = 497), we show that it is possible to prime such linear structures, even in the absence of constituents. In two additional corpus analyses of eye-tracked reading (N = 68) and conversation (N = 358), we establish the external validity of the effect. These results provide evidence of multiword language structures that are not explainable in terms of constituents as traditionally construed. This poses a challenge for accounts of linguistic representation, including generative and constructionist approaches.

图15