研究称少量高质量标注数据显著提升孟加拉语共指消解效果

Zenith Biswas 发布论文（arXiv:2610.35114，已被 KONVENS 2026 接收），评估多语言 transformer 编码器在孟加拉语共指消解中的表现，涵盖 zero-shot、微调、数据增强和跨语言迁移等设置。结论是少量高质量标注数据显著优于更大的混合质量数据集（p < 0.01）。 论文还称，回译等数据增强不能提升性能甚至导致效果下降；英语向孟加拉语的迁移会降低性能，印地语迁移也没有一致收益；部分广泛使用的多语言模型出现嵌入空间坍缩，不适合基于相似度的聚类任务。研究背景是孟加拉语有超过 2.5 亿使用者，但标注共指资源有限。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。