PulseAugur
中
实时 02:33:25
English(EN) Beyond Clean Text: Evaluating Encoder and Decoder Robustness for Bangla Event Detection in Noisy Text

在嘈杂孟加拉语文本事件检测中，LLM 比编码器模型表现出更强的鲁棒性

作者 PulseAugur 编辑部 · [2 个来源] ·

一篇新的研究论文评估了不同 AI 模型架构在嘈杂孟加拉语文本事件检测中的鲁棒性。研究发现，虽然像 BanglaBERT 和 XLM-R 这样的仅编码器模型在干净数据上表现更好，但像 Llama 3 和 Gemma 3 这样的仅解码器模型在面对噪声时表现出更强的韧性，尤其是在事件触发词被损坏时。研究还强调，模型规模的扩大以及在干净和嘈杂数据上进行组合训练可以显著提高鲁棒性，特别是对于仅解码器的 LLM。 AI

影响 仅解码器的 LLM 在文本质量可变的实际应用中显示出潜力，可能改善低资源语言的事件检测。

排序理由 该集群包含一篇发表在 arXiv 上的研究论文，详细介绍了模型评估和研究结果。

在 arXiv cs.CL 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

在嘈杂孟加拉语文本事件检测中，LLM 比编码器模型表现出更强的鲁棒性

报道来源 [2]

  1. arXiv cs.CL TIER_1 English(EN) · Tanvir Ahmed Sijan, S. M Golam Rifat, Nayeemul Islam, Md. Musfique Anwar ·

    超越干净文本：评估编码器和解码器在嘈杂文本中检测孟加拉语事件的鲁棒性

    arXiv:2606.30914v1 Announce Type: new Abstract: Event detection (ED) systems are typically evaluated on clean, curated text, leaving their robustness to real-world noise largely unexplored, particularly for low-resource languages such as Bangla. We introduce a generalized Bangla …

  2. arXiv cs.CL TIER_1 English(EN) · Md. Musfique Anwar ·

    超越干净文本：在嘈杂文本中评估用于孟加拉语事件检测的编码器和解码器鲁棒性

    Event detection (ED) systems are typically evaluated on clean, curated text, leaving their robustness to real-world noise largely unexplored, particularly for low-resource languages such as Bangla. We introduce a generalized Bangla news event ontology and a benchmark comprising 9…

相关实体

相关话题