arXiv · cs.AI· Vladimir Beskorovainyi·· 14 小时前AI 评分30
Ru-Jev 标签措辞增强：陌生词上有提升，缩写与代码上无增益
Label-Wording Augmentation in a Typed-Decision Encoder: Gains on Unfamiliar Words, Not on Abbreviations or Codes
来源与原文
arXiv · cs.AI
作者：Vladimir Beskorovainyi
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/2611.08439v1
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
307M 参数的多语言 cross-encoder Ru-Jev 两个版本对比显示，加入标签多种表面形式增强的后续版本在普通词与借词词表上准确率提升最高 0.24，14 项增益中 11 项通过 Holm 校正。但在缩写上无提升、干净切片上反而更差，不透明代码上两个版本在剔除与训练选项相关的标签后均处于或低于随机水平。在两个未见过的数据集上准确率变化为 -8.4 和 +5.6 个百分点。
来源：arXiv · cs.AI · arxiv.org
这条消息，你怎么看？
把新闻带到 MickerBook，和社区伙伴聊聊；也可以去 AIHER 看看模型背后的角色与梗。