What Would Cicero Write?

Examining Critical Textual Decisions with a Language Model

Abstract

I recenti sviluppi dei modelli linguistici Transformer permettono ora agli utenti di predire la probabilità di frasi diverse e di prevedere le parole mancanti in modo più accurato di prima. Queste nuove informazioni e queste nuove prospettive
possono essere utilizzate per giudicare nuove emendazioni testuali e per valutare ulteriormente le scelte editoriali adottate nel passato. Esaminiamo qui l’importanza dell’analisi del corpus di un autore e l’impatto della teoria di Good-
Turing sulla stima della frequenza quando si ipotizzano le parole mancanti. Delineiamo anche alcuni dei limiti di ciò che i modelli linguistici Transformer possono fare e come valutarli praticamente.