PulseAugur
中
实时 10:59:14
English(EN) Transfer Learning for Named Entity Recognition of Classical Latin through LLM Prompting

渥太华大学使用Gemini和Claude LLM赢得拉丁语NER任务

作者 PulseAugur 编辑部 · [1 个来源] ·

渥太华大学的研究人员在古典拉丁语的EvaLatin 2026命名实体识别（NER）共享任务中取得了顶级成果。通过采用大型语言模型Gemini 2.5 Pro和Claude Sonnet 4.5的提示工程，他们证明了跨语言迁移学习对于代表性不足的古代语言的有效性。他们的系统在粗粒度和细粒度NER子任务中均获得第一名，在各种评估指标上均优于所有其他提交。 AI

影响 展示了LLM在低资源语言方面的能力，可能加速数字人文研究。

排序理由 详细介绍特定任务研究结果的学术论文。[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 1 个来源。 我们如何撰写摘要 →

渥太华大学使用Gemini和Claude LLM赢得拉丁语NER任务

报道来源 [1]

  1. arXiv cs.CL TIER_1 English(EN) · Callum Chan ·

    通过LLM提示进行古典拉丁语命名实体识别的迁移学习

    arXiv:2608.04015v1 Announce Type: new Abstract: With the increase in digitized resources of Classical Latin texts and modern breakthroughs of Large Language Models (LLMs), I contribute to ancient language research by participating in EvaLatin 2026. This paper describes Team uOtta…

相关实体

相关话题