立場：自然語言不應完全取代形式語言
一篇立場論文認為，儘管LLM的進步引發了自然語言可完全取代程式語言等形式語言的斷言，但自然語言本質上是為開放性上下文的欠規範而最佳化的。作者引入了“任務特異性”框架，證明了“特異性交叉定理”，並透過影像生成、程式碼合成和音訊製作等案例研究展示：自然語言在低特異性任務中表現出色，而形式語言在要求嚴格的任務中更具優勢。結論是兩者互補，應發展混合系統。
隨著大型語言模型（LLM）的快速進步，一些人聲稱自然語言可以完全取代形式語言（如程式語言）。然而，即將在ICML 2026上發表的立場論文《Position: Natural Language Should Not Fully Replace Formal Languages》對此提出了有力反駁。來自以色列的研究人員Eitan Wagner及其合作者認為，這種觀點忽視了自然語言的基本語言學特性——它本質上是為在開放性上下文中進行欠規範（underspecification）而最佳化的。
論文引入了一個基於資訊理論的形式化框架，將“任務特異性”（task specificity）定義為在給定使用者需求條件下，輸出空間（例如所有可能的影像）中不確定性的減少量。這一框架量化了使用者需求對輸出的約束程度。作者證明了“特異性交叉定理”，指出存在一個明確的閾值：當任務需求超過該閾值時，用自然語言表達精確要求的成本將高於直接使用形式語言（如程式語言或數學符號）進行規範的成本。
在案例研究中，論文分析了影像生成、程式碼合成和音訊製作等多個模態的例子。例如，在影像生成中，自然語言提示如“一幅日落風景”可以輕鬆產生多種創意結果，表現出色；但若要生成“一個512x512畫素、RGB值為(255,0,0)的純紅色影像”，自然語言描述不僅冗長，而且容易產生歧義，而形式語言（如程式設計指令碼）則能精確指定。類似地，在程式碼生成中，自然語言適合描述高層次功能需求，但對於底層演算法或資料型別的具體實現，形式語言更為可靠。
論文最終得出結論：自然語言和形式語言是互補工具，而非替代關係。作者呼籲開發混合系統，使使用者能夠根據任務的特異性在自然語言和形式語言之間靈活切換。這一研究對AI系統的設計與人機互動具有重要啟示，尤其強調在需要精確控制的領域中，形式語言仍不可或缺。該論文已被ICML 2026的position track接收，並將於2026年7月發表。