立场：自然语言不应完全取代形式语言
一篇立场论文认为，尽管LLM的进步引发了自然语言可完全取代编程语言等形式语言的断言，但自然语言本质上是为开放性上下文的欠规范而优化的。作者引入了“任务特异性”框架，证明了“特异性交叉定理”，并通过图像生成、代码合成和音频制作等案例研究展示：自然语言在低特异性任务中表现出色，而形式语言在要求严格的任务中更具优势。结论是两者互补，应发展混合系统。
随着大型语言模型（LLM）的快速进步，一些人声称自然语言可以完全取代形式语言（如编程语言）。然而，即将在ICML 2026上发表的立场论文《Position: Natural Language Should Not Fully Replace Formal Languages》对此提出了有力反驳。来自以色列的研究人员Eitan Wagner及其合作者认为，这种观点忽视了自然语言的基本语言学特性——它本质上是为在开放性上下文中进行欠规范（underspecification）而优化的。
论文引入了一个基于信息论的形式化框架，将“任务特异性”（task specificity）定义为在给定用户需求条件下，输出空间（例如所有可能的图像）中不确定性的减少量。这一框架量化了用户需求对输出的约束程度。作者证明了“特异性交叉定理”，指出存在一个明确的阈值：当任务需求超过该阈值时，用自然语言表达精确要求的成本将高于直接使用形式语言（如编程语言或数学符号）进行规范的成本。
在案例研究中，论文分析了图像生成、代码合成和音频制作等多个模态的例子。例如，在图像生成中，自然语言提示如“一幅日落风景”可以轻松产生多种创意结果，表现出色；但若要生成“一个512x512像素、RGB值为(255,0,0)的纯红色图像”，自然语言描述不仅冗长，而且容易产生歧义，而形式语言（如编程脚本）则能精确指定。类似地，在代码生成中，自然语言适合描述高层次功能需求，但对于底层算法或数据类型的具体实现，形式语言更为可靠。
论文最终得出结论：自然语言和形式语言是互补工具，而非替代关系。作者呼吁开发混合系统，使用户能够根据任务的特异性在自然语言和形式语言之间灵活切换。这一研究对AI系统的设计与人机交互具有重要启示，尤其强调在需要精确控制的领域中，形式语言仍不可或缺。该论文已被ICML 2026的position track接收，并将于2026年7月发表。