arXiv · cs.AI· Seongtae Hong, Youngjoon Jang, Seungyoon Lee, Jungseob Lee, Heuiseok Lim·· 11 小时前
MixLID：支持111种语言—文字组合的词级语言识别模型
MixLID: Token-Level Language Identification in Mixed-Language Text
arXiv:2610.16601v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Seongtae Hong, Youngjoon Jang, Seungyoon Lee, Jungseob Lee, Heuiseok Lim
研究任务与主要进展
MixLID通过两阶段训练支持111种语言—文字组合，先用单语样本学习语言区分，再用真实语码转换样本和基于英语源词与借词对应关系的替换增强数据进行训练。基于论文摘要，该模型在共同语言覆盖范围的四个单语基准上准确率和宏平均F1均优于全部基线，并在所有评测语言对的混合文本逐词元识别中优于基线；模型已公开于https://huggingface.co/nlpai-lab/MixLID。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org