arXiv · cs.AI· Miguel Arana-Catania, Gillian Pink, Glenn Roe·· 5 小时前
机器学习自动主题标引伏尔泰全集：从编码器模型到 LoRA 微调大语言模型
Automatic Thematic Indexing of Large Literary Corpora: A Machine Learning Approach to Voltaire's Complete Works
arXiv:2607.09316v2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：Miguel Arana-Catania, Gillian Pink, Glenn Roe
研究任务与主要进展
研究以《风俗论》和《百科全书问答》两个伏尔泰全集子语料库为测试对象，将主题标引构建为多标签分类任务，比较约 3 至 120 亿参数的模型，包括带分类头的编码器模型与经 LoRA 微调的生成式大语言模型。
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