待验证50% 置信事实精确时间
训练时使用另一个嵌入模型挑选难负例(hard negatives),并混入英语和俄语的问题-段落对以防止模型遗忘这两种语言。
1
来源数
50%
置信度
长期有效
时效性
2026/11/3
首次发现
来源
涉及实体
相关事实
待验证训练时模型被要求选出单个下一个词,但语言本身具有模糊性,模型学会无论如何都要做出选择。76% 相似待验证传统n-gram模型和单语训练的神经语言模型在遇到跨语言词序列时会给出极低的概率分数,导致解码器倾向于将外语词强行映射为发音相近的本语言词73% 相似待验证研究对8个大语言模型进行了双重评测,既让它们充当出题者生成误导选项,又作为答题者解决问题72% 相似待验证多语言预训练模型如mBERT、XLM-R展现出跨语言零样本迁移能力,即便某些语言训练中从未与其他语言平行语料共同出现72% 相似待验证该研究提出增强模型在预训练过程中区分不同语言的能力能够缩小甚至在某些指标上消除多语言差距71% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1129324API
curl https://kongchang.com/api/v1/knowledge/claims/1129324MCP
get_claim(id=1129324)