English(EN) BETA-Labeling for Multilingual Dataset Construction in Low-Resource IR

大语言模型助力低资源语言信息检索数据集创建，但跨语言复用面临挑战

作者 PulseAugur 编辑部 · [1 个来源] · 2026-09-10 04:00

研究人员开发了一个BETA标注框架，用于构建低资源信息检索（IR）的多语言数据集。该框架利用多个大语言模型（LLMs），通过一致性和多数表决进行检查，然后进行人工评估以确保标签质量。研究还调查了通过机器翻译复用其他低资源语言的IR数据集的可行性，结果显示存在显著差异和语义保留问题，影响了跨语言数据集复用的可靠性。研究结果既揭示了大语言模型辅助低资源信息检索数据集创建的潜力和局限性，也为构建更可靠的基准提供了指导。 AI

影响提供改进低资源语言AI模型性能的方法，可能扩大AI的可及性。

排序理由学术论文，详细介绍了一种新的数据集构建方法。[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 →

本文如何被排名

Signal score: 13 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 学术论文，详细介绍了一种新的数据集构建方法。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, other; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Md. Najib Hasan, Mst. Jannatun Ferdous Rain, Fyad Mohammed, Nazmul Siddique · 2026-09-10 04:00

低资源信息检索中多语言数据集构建的BETA标注

arXiv:2602.14488v3 Announce Type: replace-cross Abstract: IR in low-resource languages remains limited by the scarcity of high-quality, task-specific annotated datasets. Manual annotation is expensive and difficult to scale, while using large language models (LLMs) as automated a…

本文如何被排名

报道来源 [1]

低资源信息检索中多语言数据集构建的BETA标注

相关实体

相关话题