研究揭示孟加拉语共指消解中数据质量优于数量

2026年10月27日，Zenith Biswas等人在arXiv发布关于低资源孟加拉语共指消解的研究。 该研究发现少量高质量标注数据的表现显著优于大规模混合质量数据集，统计差异具有显著性（p < 0.01）。 研究进一步表明，包括回译在内的数据增强策略不仅无法提升性能，反而导致结果退化。此外，跨语言迁移缺乏一致性，部分多语言模型嵌入空间坍缩，不适合用于相似度聚类任务。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。