Cet article présente la première étude utilisant des modèles de langage à grande échelle (MLH) pour la génération d'explications du métalangage sémantique naturel (MSN). Le MSN est une théorie linguistique fondée sur un ensemble d'éléments sémantiques universels, qui suppose que chaque mot peut être expliqué à l'aide de ces éléments. Alors que la génération manuelle de ces explications est traditionnellement chronophage, cet article présente une méthode de génération automatique d'explications MSN utilisant les MNL, ainsi qu'une méthode d'évaluation automatique, un jeu de données personnalisé et des modèles affinés. Les modèles 1B et 8B génèrent des explications plus précises et traduisibles d'une langue à l'autre que GPT-4o, ce qui représente une avancée significative dans les représentations sémantiques universelles utilisant les MNL. Cela ouvre de nouvelles possibilités dans divers domaines, notamment l'analyse sémantique et la traduction. Le code est disponible sur GitHub.
