一项新研究评估了大型语言模型(LLM)和基于规则的系统在土耳其语语料库中标注推断性叙事特征的评分者间信度。研究发现,包括Gemini 2.5 Flash、Grok、Claude Fable-5和ChatGPT 5.5在内的模型,以及一个基于规则的检测器,在诸如具体化隐喻等特征上与人类标注者的一致性较低。研究表明,这些推断性特征可能过于复杂,无法被当前的自动检测系统识别,或者这些定义本身尚未足够操作化,以至于任何评分者都无法一致应用。 AI
影响 强调了当前LLM在细微文本分析方面的局限性,表明在理解复杂推断性特征方面存在差距。
排序理由 评估LLM在特定任务上表现的学术论文。[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 →