Universal Dependencies
PulseAugur coverage of Universal Dependencies — every cluster mentioning Universal Dependencies across labs, papers, and developer communities, ranked by signal.
3 天有情绪数据
-
铁奥塞梯语的新语料库和BERT分析器
研究人员开发了 Ossetic-COT，这是首个符合通用依存关系模式的铁奥塞梯语形态学标注语料库。该语料库包含超过 5400 个手动标注的句子，总计超过 74,000 个词元。利用此数据集，训练了一个基于 BERT 的形态学分析器，达到了 95.60% 的显著标签准确率。
-
新工具包增强了儿童-成人语言交互的句法分析
研究人员开发了一个名为 CAIT 的新开源工具包，旨在改进 CHILDES语料库中儿童-成人交互的句法分析。该工具包包含一个专门的依存关系解析器，其性能优于 SpaCy 和 Stanza 等通用英语解析器。CAIT 还配备了词性标注器和话语级结构标注器，能够提高语言习得研究的准确性和可重复性。
-
发布新的马拉地语词性标注数据集和BERT模型
研究人员推出了L3Cube-MahaPOS，这是一个用于马拉地语词性（POS）标注的新数据集，解决了该语言标注资源稀缺的问题。该数据集包含32,000多句新闻文本中的手动标注句子，并与通用依存关系对齐。它被用于对六个模型家族进行基准测试，表现最好的系统达到了88.67%的词级别准确率和81.67%的宏F1分数。该数据集、标注指南和训练好的模型正在发布，以促进马拉地语自然语言处理的进一步研究。
-
新捷克语依存句法树库发布，用于自然语言处理研究 · 追踪 4 个来源
研究人员发布了两篇详细介绍捷克语处理资源进展的论文。第一篇论文介绍了 Prague Dependency Treebank -- Consolidated 2.0 (PDT-C 2.0)，这是一个广泛、统一标注的捷克语语料库，包含近 400 万个词元。该资源历经三十年开发，旨在系统地整合各种语言层面，包括共指和语篇关系等句间现象。第二篇论文介绍了 UD_Czech-PDTC，这是一个大型且体裁丰富的句法树库，已转换为可用于 Unive…
-
新方法利用语法提升科普特语-英语机器翻译效果
研究人员开发了一种新的上下文学习方法，用于低资源科普特语到英语的机器翻译。该方法结合了通用依存关系解析的句法信息和双语词典。研究发现，虽然单独的句法信息不如词典释义有效，但两者结合显著提高了各种模型规模的翻译质量，为科普特语翻译设定了新的最先进成果。
-
大语言模型研究探索句法编码与推理效率
两篇新研究论文探讨了大语言模型（LLMs）的内部工作机制及其推理能力。一篇论文调查LLMs是否编码了超出标准语言标注所能捕捉到的形式句法结构，并发现了支持这一观点的证据。另一篇论文提出了一种新方法EDRM，通过分析文本生成过程中的熵动力学来确定何时LLMs能从思维链（chain-of-thought）推理中受益，表明选择性推理可以提高效率和准确性。
-
新流程为古希腊议会文本创建自然语言处理资源
研究人员开发了一个新的、可复现的流程，用于为古希腊语议会文本创建类似通用依存关系的解析资源。该工作流程解决了当前自然语言处理工具在处理古希腊历史文献方面的局限性，整合了光学字符识别（OCR）重建、大型语言模型（LLM）辅助标注和自动化验证。由此产生的数据集和方法旨在使历史议会档案更容易用于自然语言处理研究。
-
L2韩语标注使用解析器一致性进行人机协同工作流
研究人员开发了一种新的人机协同标注工作流，用于L2韩语，通过两个解析器之间的一致性来完成。该方法利用解析器的一致性作为标注正确性的代理，显示出与人类判断的强对应关系。研究发现，解析器之间的不一致性通常发生在可预测的语言区域，例如语法关系和从句边界，这表明了模型改进的可处理性和更深层次的表征挑战。
-
Gemma 4 QAT模型引发关于性能和实用性的讨论
用户正在讨论Gemma 4 QAT（量化感知训练）模型的性能和实用性，特别是将其与标准量化进行比较。虽然一些用户报告称通用任务的速度和质量有所提高，但其他用户认为QAT模型是一种倒退，尤其是在工具调用或编码等特定用例方面。正在进行基准测试以量化差异，结果喜忧参半，表明QAT模型并不总是优于更高比特的标准量化，有时还会表现出意外行为。
-
研究人员发布全面的俄罗斯立法语料库，用于自然语言处理任务
研究人员推出一个新的语料库，包含1991年至2025年的俄罗斯初级和二级立法。该数据集包含超过30万份文本，总计超过1.94亿个词元。该语料库提供两个版本：一个基础版本，包含简单的元数据；一个详细版本，提供原始文本以及通用依存关系CoNLL-U格式的对应文本，并附有词性、形态和句法标注。