BERTurk
PulseAugur coverage of BERTurk — every cluster mentioning BERTurk across labs, papers, and developer communities, ranked by signal.
-
讽刺阻碍了大型语言模型和微调模型对土耳其仇恨言论的检测
一项新的研究论文介绍了 SarcasTraps，这是一个旨在评估讽刺如何影响土耳其仇恨言论检测的数据集。研究发现，讽刺显著挑战了 BERTurk 和 XLM-RoBERTa 等微调模型，以及 GPT-4.1 和 Llama 3.3 70B Instruct 等大型语言模型，导致在识别讽刺性仇恨言论时召回率或精确率降低。
-
TabiBERT：发布新的土耳其语基础模型和基准
研究人员推出了 TabiBERT，一个基于 ModernBERT 架构的新型大规模土耳其语基础模型。该模型在超过一万亿个 token 的海量数据集上进行了训练，涵盖了网络文本、科学出版物和源代码，并支持 8,192 个 token 的上下文长度。为了评估 TabiBERT，开发了一个名为 TabiBench 的新基准，该基准包含八个任务类别中的 27 个数据集。与之前的土耳其语模型相比，TabiBERT 在问答和代码检索任务上表现出了卓越的性能。
-
微调的BERTurk在土耳其情感分析中优于LLMs
一项新研究调查了在大语言模型（LLMs）上进行微调与提示（prompting）在土耳其情感分析中的有效性。研究发现，在三分类情感分析任务中，微调的BERTurk模型优于提示的LLMs，尤其是在处理中性评论时。研究结果表明，虽然LLMs显示出潜力，但监督微调对于稳健的情感分析仍然至关重要，尤其是在包含中性类别时。
-
Morpheus：新的土耳其语模型实现了卓越的形态学对齐
研究人员开发了 Morpheus，这是一种专为土耳其语设计的新型神经分词器和词嵌入器。与可能破坏土耳其语黏着语结构的传统子词分词器不同，Morpheus 能够准确识别词素，实现无损分词并生成结构化的词嵌入。该模型在形态学对齐和词汇检索任务中表现出卓越的性能，并且与标准的子词分词器相比，在内存使用方面也显示出效率。
-
AI模型分析土耳其地震推文中应对方式
研究人员开发了一个计算模型，使用BERTurk分析2023年土耳其地震后土耳其语推文中的应对方式。该模型成功识别了三种应对方式——聚焦问题、聚焦情绪和寻求意义——宏观F1得分达到0.693。对超过一百万条推文的分析揭示了应对机制中独特的时序模式，聚焦问题应对在地震发生后立即最为普遍，而寻求意义应对随着时间的推移而增加。研究表明，愤怒与寻求意义密切相关，可能成为归咎的催化剂。
-
LLMs 在土耳其成语分类中表现出提示敏感性
研究人员调查了上下文学习在土耳其成语轻动词结构（LVCs）分类中的有效性。他们将监督式BERTurk基线与使用零样本、单样本和少样本提示的指令微调大型语言模型（LLMs）进行了比较。虽然LLMs在零样本LVC召回率方面遇到困难，但精心设计的演示的少样本提示提高了性能，其中GPT-OSS-20B和Qwen 2.5-14B表现出稳健的结果，与监督基线相当或超过了它。
-
新的SindBERT模型提升了土耳其自然语言处理能力
研究人员开发了SindBERT，一个专门针对土耳其语的新型大规模RoBERTa语言模型。SindBERT在超过300 GB的土耳其语文本上进行了训练，有base和large两种配置，是该语言首个此类编码器模型。在各种自然语言处理任务上的评估显示出具有竞争力的性能，尽管large版本并未持续优于更小、更精选的模型，这表明语料库质量对于形态丰富的语言至关重要。