孟加拉语共指消解：数据质量优于数量

孟加拉语共指消解中，高质量标注数据比数据量更关键。

资讯摘要

论文研究低资源语言孟加拉语的共指消解，评估多语言Transformer编码器在零样本、微调、数据增强和跨语言迁移等设置下的表现。作者报告少量高质量标注数据显著优于更大规模的混合质量数据集（p<0.01），回译等数据增强未提升甚至降低性能；从英语迁移会降低表现，从印地语迁移无一致收益，部分多语言模型嵌入空间坍缩，不适合基于相似度的聚类任务。

要点速读

1. 少量高质量标注数据显著优于更大规模混合质量数据集（p<0.01）
2. 回译等数据增强未提升共指消解性能，甚至可能使其下降
3. 从英语跨语言迁移降低性能，从印地语迁移无一致收益；部分多语言模型嵌入空间坍缩

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。