arXiv上的一篇新研究论文挑战了多语言Transformer模型的普遍假设，特别是在孟加拉语等低资源语言的共指消解方面。研究发现，少量高质量标注数据显著优于更大规模的混合质量数据集。此外，反向翻译等数据增强技术并未提高性能，而与英语等远距离语言的跨语言迁移甚至导致结果下降。研究还发现，几个广泛使用的多语言模型存在嵌入空间坍塌的问题，使其不适用于基于相似度的聚类任务。 AI
影响 强调了低资源NLP任务中高质量数据的关键需求，并质疑了当前多语言模型的泛化能力。
排序理由 学术论文发表在arXiv上，详细介绍了研究结果。[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 →
