联合focal loss与监督对比学习提升CEFR等级评估
资讯摘要
论文针对文本CEFR等级自动评估中等级分布不均衡、相邻等级边界模糊的问题，提出将focal loss与监督对比学习结合的联合训练目标：前者缓解类别不平衡，后者增强类内紧凑与类间区分。作者在单语和多语、句子级与文档级设置下评估，报告该方法在各设置下均优于强基线，并在多个CEFR评估基准上取得新的最优性能。
要点速读
- 论文提出focal loss与监督对比学习结合的联合训练目标，用于文本CEFR等级评估
- 评估覆盖单语与多语、句子级与文档级设置
- 作者报告该方法在各设置下均优于强基线，并在多个基准上取得新的最优性能
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 2026/11/3 08:00:27（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。