一项新的研究论文介绍了一个大规模的孟加拉语习语基准数据集，旨在提高大型语言模型（LLMs）对低资源语言中习语的理解能力。该研究评估了包括 Phi-4-mini-instruct、Kimi-K2-32b-instruct 和 Gemini 2.5-Flash 在内的多个 LLMs，在释义、跨度检测和含义识别等任务上的表现。结果显示，模型表现各异，每个模型在不同领域都有其独特的优势，这表明目前没有一个 LLM 能全面掌握孟加拉语习语。 AI
影响 这项研究为评估和改进 LLMs 对孟加拉语等低资源语言习语的理解能力提供了一个基准。
排序理由 研究论文介绍了一个新数据集，并对 LLMs 在特定语言任务上的表现进行了评估。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
