在中国和俄罗斯的外交话语中使用大型语言模型进行暗示识别
1Far Eastern Federal University, Vladivostok, Russia. guoyd010401@gmail.com.
这项研究增强了大型语言模型 (LLM),用于识别中国和俄罗斯外交文本中的隐含暗示. 这种新的方法提高了多语言,高语境沟通的准确性.
科学领域:
- 计算语言学 计算语言学
- 实用主义是一个实用主义.
- 国际关系 国际关系
背景情况:
- 外交话语分析需要对隐性沟通有细微的理解.
- 现有的大型语言模型 (LLM) 在高上下文,多语言隐式信息识别方面扎.
研究的目的:
- 开发和评估一个LLM系统,以在中国和俄罗斯的外交话语中进行暗示识别.
- 整合一个语义-认知-实用框架与检索-增强生成 (RAG) 和思维链 (CoT) 推理,以提高LLM绩效.
主要方法:
- 系统注释中国和俄罗斯外交部的新闻发布会成绩单.
- 为文本和逻辑提示构建一个向量化外部知识库.
- 整合 CoT 推理和双语短暂示例,用于LLM指导.
主要成果:
- 在中国和俄罗斯数据集中,总体性能稳定,回忆率高.
- 与中国数据集相比,俄罗斯数据集显示出更高的精度和F1分数.
- 确定了包括语义过度解释和暗示类型和字面意义错误分类在内的系统偏见.
结论:
- 该研究提出了一条可行的途径,以提高在多语言,高背景隐性信息识别中LLM的准确性.
- 提议的改进包括扩大负样本,加强上下文定,并实施预先过机制.
- 这些发现为提高LLM在专业话语分析中的稳定性和准确性提供了实际指导.
更多相关视频
12:49Transcranial Direct Current Stimulation tDCS of Wernicke's and Broca's Areas in Studies of Language Learning and Word Acquisition
Published on: July 13, 2019
06:24Author Spotlight: Liujunzi Decoction as a Traditional Chinese Treatment for Coloproctitis Cancer
Published on: October 13, 2023
相关概念视频
08:08Comparing the Frequency Effect Between the Lexical Decision and Naming Tasks in Chinese
12:49Transcranial Direct Current Stimulation (tDCS) of Wernicke's and Broca's Areas in Studies of Language Learning and Word Acquisition
06:24Establishment of Coloproctitis Cancer Model in Mice and Evaluation of Therapeutic Effect of Chinese Medicine
Language
Corballis and Suddendorf (2007) and Tomasello and Rakoczy (2003) highlight the role of language in...
06:16Involving Individuals with Developmental Language Disorder and Their Parents/Carers in Research Priority Setting
03:14Augmenting Large Language Models via Vector Embeddings to Improve Domain-Specific Responsiveness
