机器学习自动主题标引伏尔泰全集：LLM 优于编码器模型

Miguel Arana-Catania 等发布论文，用机器学习自动生成伏尔泰全集的主题索引。研究以《风俗论》和《百科全书问答》两个子语料库为测试对象，把任务构建为多标签分类：模型为每页文本分配专业索引员会使用的索引条目，并比较约 30 亿至 120 亿参数的带分类头编码器模型与 LoRA 微调的生成式大语言模型。 作者称表现最好的模型是 4-bit 量化配置的 Mistral 家族模型，F1 最高达 0.67；考虑到专业索引本身的主观性，作者认为该数字是下限。研究为论文结果，尚未有独立验证。

AI 根据报道生成 · 46 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。