英语中动词“go”的过去式为什么是看似毫不相干的“went”？这类形态交替在语言中十分常见。它们既无助于沟通，也不能提升可学习性，却往往能延续数百年甚至上千年而不消失。围绕这一现象，Aravinth Kulanthaivelu 与另一位作者在 2026 年 6 月 10 日提交至 arXiv 的论文（编号 2606.12748，归类于 cs.CL 计算与语言）中，提出了一个多智能体模拟框架，用于研究词干与屈折形态交替模式的演化过程。
该模拟的核心机制是：交替形式可能源自音系变化，也可能像“go/went”那样，来自与部分人群相关联的词汇替代形式。当一个智能体听到另一个智能体在某个词的范式槽位（例如 go 的过去时）中使用了新形式时，它会以一定概率采纳该形式，并可能把这种用法扩散到范式中原本共享同一形式的其他槽位。通过这种方式，替代形式可以在群体中传播，并最终固化为词干或屈折标记的交替变体。
与以往许多计算语言学研究不同，这一系统在规模与真实性上都有明显扩展：它支持自然化的词形、真实的音系规则、包含数百乃至数千条目的词库，以及数十到数百个智能体构成的群体。系统还支持多种网络拓扑结构、扩散模式以及智能体采纳策略，从而能够更贴近现实地考察语言演变的社会与认知条件。
这类模拟面临的一个关键难题是评估：模拟产生的形态系统与真实语言相比究竟有多真实？为此，作者提出了“AI 历史语言学家”（AI Historical Linguist），这是一个由大语言模型驱动的新系统，用于模拟两位历史语言学家之间的辩论。研究团队借助该系统，对一组真实语言形态、经过伪装的形态以及实验演化出的形态进行了比较。结果表明，在诸多因素中，无标度社交网络和随机伯努利式形式采纳更有助于产生更可信的形态系统。
除总体评估外，论文还给出了三个案例研究，对已证实的历史变化进行建模，从而检验“如果历史走向不同会怎样”这一反事实问题。作者表示，全部代码与数据均已公开。该论文共 51+37 页、含 31 幅图，由 Richard Sproat 提交，第一版于 2026 年 6 月 10 日 23:26:44 UTC 上传，文件大小约 5,283 KB。