PulseAugur
中
实时 12:13:02
English(EN) ALEE: Any-Language Evaluation of Embeddings via English-Centric Minimal Pairs

新的ALEE框架跨语言评估文本嵌入

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员引入了ALEE，一个旨在跨多种语言评估文本嵌入的新框架。ALEE通过使用抽象意义表示（AMR）创建以英语为中心的最小对，扩展了Sentence Smith框架以处理跨语言和段落级别的分析。然后将这些最小对翻译成目标语言，从而能够针对性地诊断嵌入模型，特别是针对低资源语言。使用ALEE进行的广泛研究揭示了不同语言和文本长度之间显著的性能差异，突显了跨语言语义表示中与训练数据中的语言流行度相关的持续差距。 AI

影响 提供了一种评估跨语言文本嵌入的新颖方法，有可能提高低资源语言的模型性能。

排序理由 该条目描述了在arXiv上发布的新研究框架和方法论。[lever_c_demoted from research: ic=1 ai=1.0]

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 →

新的ALEE框架跨语言评估文本嵌入

报道来源 [2]

  1. arXiv cs.CL TIER_1 English(EN) · Andrianos Michail, Stylianos Psychias, Michelle Wastl, Simon Clematide, Rico Sennrich, Juri Opitz ·

    ALEE：通过以英语为中心的最小对进行任何语言的嵌入评估

    arXiv:2607.00171v1 Announce Type: new Abstract: Text embeddings are standard for semantic similarity tasks, yet their evaluation remains an open challenge. Current benchmarks are static, cover only a limited set of languages, are often domain-specific, susceptible to overfitting,…

  2. arXiv cs.CL TIER_1 English(EN) · Juri Opitz ·

    ALEE：通过以英语为中心的最小对进行任何语言的嵌入评估

    Text embeddings are standard for semantic similarity tasks, yet their evaluation remains an open challenge. Current benchmarks are static, cover only a limited set of languages, are often domain-specific, susceptible to overfitting, and poorly representative of low-resource langu…

相关实体

相关话题