Otter 模型以支持 100 多种语言推动多语言 NER 发展

研究人员开发了 Otter，一个通用的多语言命名实体识别 (NER) 模型，能够支持 100 多种语言。该模型是通过广泛的实验创建的，评估了包括 transformer 主干、架构、训练目标和数据组成在内的各种设计选择。Otter 在现有跨语言 NER 基线模型上持续改进，F1 分数提高了 5.3 个百分点，并且在保持卓越效率的同时，与规模大得多的生成模型相比也具有竞争力。研究团队已发布模型检查点和代码，以鼓励该领域的重现性和进一步研究。 AI

影响 该模型广泛的语言支持和效率有可能在全球范围内显著推动自然语言处理应用的发展。

排序理由 该集群描述了一篇详细介绍新模型及其性能的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

• arXiv
• CatalyzeX Code Finder for Papers
• Connected Papers
• DagsHub
• Hugging Face
• Influence Flower
• Jonas Golde
• Litmaps
• ScienceCast
• scite Smart Citations

• 论文
• 模型发布

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →