arXiv · NLP· Jonathan Graehl·· 2026-10-07AI 评分25
基于编码器的多语言隐私标记模型实现 GLiNER2 4.9 倍吞吐量
Strong Multilingual Privacy Tagging at Encoder Speed
AI 导读
一种微调多语言编码器配合仿射跨度标记头,在 35 种语言中实现隐私标记,最佳去标识化 F1 达 88.8。 其 CPU 吞吐量是 GLiNER2 的 4.9 倍,且已在单一 96GB GPU 下验证本地 LLM 标记效率更低。
来源:arXiv · NLP · arxiv.org