合成儿童-成人对话在词汇上接近自然数据，但低估口语的碎片化特征。
资讯摘要
论文比较合成 TinyDialogues 数据集与自然对话在多项语言学指标上的差异，发现合成数据在词汇层面接近自然数据，却大幅低估口语互动中零散、破碎的特征。作者提出用真实对话构建数据进行指令微调，初步实验显示小型模型经适度参数高效微调后可接近自然数据的统计倾向。
要点速读
- 论文将合成 TinyDialogues 数据集与自然对话在广泛语言学指标上对比，发现词汇层面匹配，但合成数据严重低估口语互动的零散与碎片化特征。
- 作者提出用真实对话生成的数据做指令微调，以缓解上述偏差。
- 初步实验显示，小型模型经适度参数高效微调后，可近似自然数据的统计倾向。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/28 08:00:17（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。