arXiv · cs.CL· Cantao Su·· 9 天前AI 评分23
用嵌入向量度量数据多样性：多样性度量方法分类与 EmbDivBench 基准
Measuring Data Diversity with Embeddings: A Taxonomy and Benchmark for Diversity Measures
来源与原文
arXiv · cs.CL
作者：Cantao Su
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.24888v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
一项已被 EMNLP 2026 主会接收的研究提出 21 种基于嵌入向量的文本多样性度量方法的分类体系，按计算方式划分为四个家族，并发布 EmbDivBench 基准，从 variety、balance、disparity 三个维度在模拟与自然文本上评测。实验显示，最常用的 Mean Pairwise Distance 在三个维度上均被多种替代方法超越，Graph Entropy 综合表现最佳，研究还给出了度量选择的实用建议。
来源：arXiv · cs.CL · arxiv.org