English(EN) Findings of the Fifth Shared Task on Multilingual Coreference Resolution: Expanding Datasets for Long-Range Entities

Gemma-3-27b模型在多语言共指消解任务中名列前茅

作者 PulseAugur 编辑部 · [2 个来源] · 2026-05-20 16:35

研究人员在2026计算指代、回指和共指模型（CRAC 2026）共享任务的LLM赛道上取得了第一名，其系统在总排名中位列第三。他们的方法基于Gemma-3-27b模型，采用了两阶段适应策略。该方法在各种语言和文档复杂性方面都证明了有效性，取得了74.32的CoNLL F1分数。 AI

影响多语言共指消解的进步可以提高下游自然语言处理任务（如摘要和问答）的性能。

排序理由该集群描述了专注于多语言共指消解的共享任务的发现和获胜系统，包括有关模型及其性能的详细信息。

AI 生成摘要 · Google Gemini · 来自 2 个来源。我们如何撰写摘要 →

报道来源 [2]

arXiv cs.CL TIER_1 English(EN) · Antoine Bourgois, Olga Seminck, Thierry Poibeau · 2026-05-22 04:00

CRAC 2026 缩小差距：基于 LLM 的多语言共指消解两阶段适配

arXiv:2605.16984v2 Announce Type: replace Abstract: We present our submission to the LLM track of the 2026 Computational Models of Reference, Anaphora and Coreference (CRAC 2026) shared task. With an average CoNLL F1 score of 74.32 on the official test set, our system ranked firs…
arXiv cs.CL TIER_1 English(EN) · Daniel Zeman · 2026-05-20 16:35

第五届多语言共指消解共享任务的发现：扩展长距离实体的数据集

This paper describes the fifth edition of the Shared Task on Multilingual Coreference Resolution, held in conjunction with the CODI-CRAC 2026 workshop. Building on previous iterations, the task required participants to develop systems capable of mention identification and identit…