待验证50% 置信基准精确时间
联合训练的多语言XLM-RoBERTa-large模型在几乎所有语言和实体类型上取得了最佳严格F1,比最强的单语系统高出最多0.13 F1。
1
来源数
50%
置信度
长期有效
时效性
2026/11/6
首次发现
来源
涉及实体
相关事实
待验证多语言预训练模型(如mBERT、XLM-R)在高资源语言(英语、法语)上的表示质量通常优于低资源语言(如拉脱维亚语、马耳他语)70% 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68% 相似已验证现代多语言大模型在预训练阶段建立语言无关语义表示,通过海量多语言语料联合训练在高维向量空间中构建跨语言语义对齐68% 相似待验证基于BERT、RoBERTa等预训练语言模型微调的NER方法在招聘文本上的F1分数通常可达85-92%65% 相似待验证多语言模型如mBERT和XLM-RoBERTa在形态复杂的阿拉伯语任务上通常不如专门预训练的单语模型65% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1141731API
curl https://kongchang.com/api/v1/knowledge/claims/1141731MCP
get_claim(id=1141731)