AITOP

跨语言

共 6 条相关 AI 资讯
7月14日
03:38
7月13日
10:28
10:28官方账号arXiv cs.AI@Kiran Pala, Punam Silu, Lixun Yu
该论文提出一个基于特征图的可解释框架，用于表示八种语言共160个习语的传统意义。每个习语通过二进制概念特征（如包含、隐藏、情感、社会等）进行标注，并使用Jaccard相似度构建加权图。社区检测显示习语按概念模式聚类而非按语言聚类，其结构符合认知语言学预测。该概念网络捕获了分布式嵌入中不存在的独特语义信息，可通过LLM自动标注扩展，并提升下游习语检测性能。跨语言迁移实验表明，仅凭概念相似性即可识别五种语系中的可接受翻译等价物，相比基于嵌入的基线有显著提升。
论文习语表达跨语言概念网络
推荐理由：这篇论文用图网络和概念特征来分析八种语言里的习语，发现它们按语义模式聚类而不是语言，还能用LLM自动标注，对做跨语言NLP和理解习语很有用。
原文
7月8日
09:55
09:55官方账号arXiv cs.AI@Andrea Alfarano, Andrea Bacciu, Saab Mansour, Amin Mantrach, Marcello Federico
该研究首次在22种语言（涵盖高、中、低资源）上系统评估了9种不确定性估计方法。发现用英文推理（即使问题为低资源语言）能显著提升UE性能，并缩小与高资源语言的性能差距。研究还指出，小规模模型下基于概率的开放盒方法更优，大规模模型下封闭盒的自我表述不确定性更有效。论文提供了多语言选择性预测中阈值选择的指导。
论文不确定性估计多语言MCQA
推荐理由：这篇论文用22种语言、9种方法实测发现：让模型用英文思考能大幅改善低资源语言的不确定性估计，选方法还得看模型大小。
原文
7月1日
00:16
5月29日
10:11
5月19日
10:14
10:14官方账号arXiv cs.AI@Max Zhang, Ameen Patel, Sang T. Truong, Sanmi Koyejo
精选
该论文发现大型语言模型在非英语语言中安全性能下降，但传统评估指标（如越狱成功率）混淆了多种因素。研究者提出多组项目反应理论（IRT）框架，将安全退化分解为语言无关的鲁棒性、提示固有难度、全局语言处理难度和跨语言安全差距四个因素。通过对61个模型配置在10种语言上的190万条数据评估，发现安全机制主要是单维的，且低资源语言并非总是最脆弱——22个模型在英语中反而更易受攻击。低资源语言产生更多不确定响应，而高跨语言安全差距的提示集中在物理伤害类别（如盗窃和武器）。该框架在预测安全拒绝时达到AUC=0.940，优于简单基线，为更公平的跨语言安全评估和数据集改进提供了工具。
论文安全对齐跨语言IRT框架
推荐理由：这篇论文揭示了多语言安全评估的盲区——低资源语言不一定是安全最薄弱环节，做AI安全对齐的团队值得细看，能帮你避开传统指标误导，精准定位跨语言安全漏洞。
原文