LLMs通过将习语和隐喻识别为培训期间学习的模式来处理它们。当接触到诸如 “踢桶” 或 “小菜一碟” 之类的短语时，他们会根据它们在训练数据中出现的上下文将这些表达与其预期含义相关联。例如，如果周围的上下文支持这种含义，LLM可以将 “kick the bucket” 解释为 “to die”。
然而，他们的理解仅限于他们接受训练的数据。如果一个习语或隐喻不常见或特定于利基文化背景，LLM可能会误解它或产生字面上的回应。例如，它可能会与较新的或高度本地化的惯用表达式作斗争。
开发人员可以通过使用文化丰富或特定领域的数据集对其进行微调来改善LLM对成语和隐喻的处理。尽管如此，llm缺乏真正的理解力，并且依赖于基于概率的预测，这意味着它们偶尔会在模棱两可或新颖的场景中产生不正确的解释。