PulseAugur
中
实时 09:15:33
English(EN) A Cost-Efficient Routing Pipeline for Multilingual Short-Text Classification Using Small Language Models

小型语言模型通过选择性翻译改进多语言文本分类

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种用于多语言短文本分类的成本效益路由管道，该管道利用小型语言模型。该管道在分类前选择性地将低资源语言翻译成英语，旨在提高性能，而无需进行特定任务的微调。在 SIB-200 和 MASSIVE 两个基准上的评估表明，这种选择性翻译方法显著提高了较弱语言的 Macro-F1 分数，尽管最佳策略因任务而异。 AI

影响 提供了一种更有效的多语言文本分类方法，有可能改进内容审核和客户支持路由等运营系统。

排序理由 关于语言模型应用新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

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

小型语言模型通过选择性翻译改进多语言文本分类

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Wajdi Ben Saad, Safa Madiouni ·

    一种用于多语言短文本分类的低成本路由管道，使用小型语言模型

    arXiv:2608.10939v1 Announce Type: cross Abstract: Multilingual short-text classification supports operational systems such as content moderation, customer support routing, and intent recognition, yet aggregate evaluation often hides large differences between high-resource and low…

相关实体

相关话题