尼泊尔表情包分类系统在CHiPSAL 2026上获得高排名

研究人员开发了一个新颖的尼泊尔表情包分类系统，在CHiPSAL 2026的仇恨言论检测共享任务中获得第二名，在情感分析任务中获得第四名。他们的方法利用了Qwen3-VL-8B-Instruct视觉语言模型，该模型原生支持天城文，无需单独的OCR和翻译步骤。该系统采用两阶段训练过程，包括LoRA微调和对比骨干微调，并采用过采样和Focal Loss等策略来管理类别不平衡。该方法证明了大型视觉语言模型在低资源语言上的有效适配。 AI

影响 证明了大型视觉语言模型在低资源语言上的有效适配，可能为多语言内容分析带来更广泛的应用。

排序理由 该项目是一篇研究论文，详细介绍了一个使用视觉语言模型进行表情包分类的新颖系统。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

• arXiv
• CHiPSAL 2026
• Devanagari
• InfoNCE
• LoRA
• multilayer perceptron
• Nepali
• Qwen3-VL-8B-Instruct
• RA-HMD

• 论文
• 产品

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