一项新近发表在arXiv上的研究,评估了八种大型语言模型(LLMs)在多语言抽取式摘要任务上的表现,重点关注英语和孟加拉语。研究发现,模型在跨语言表现上存在显著差异,例如GPT 5.6 Luna在英语上表现出色,但在孟加拉语上并非始终如一。LLaMA 3.3 70B在孟加拉语上取得了较高的ROUGE和BLEU分数,而Gemini 2.5 Flash在该语言上获得了最高的语实性分数。该研究强调了单一指标评估的局限性,以及为低资源语言建立全面评估框架的必要性。 AI
影响 强调了为低资源语言开发专门评估框架的必要性,影响了LLM的评估和全球应用开发方式。
排序理由 评估LLM在特定NLP任务表现的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
- arXiv
- Bengali
- BLEU
- English
- Gemini 2.5 Flash
- GPT 5.6 Luna
- Hugging Face
- LLaMA 3.3 70B
- ROUGE
- XL-Sum: Large-Scale Multilingual Abstractive Summarization for 44 Languages
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →