阿拉伯语形态句法标注与依存句法解析：大语言模型的研究
计算与语言
2026-03-18 v1
摘要
大语言模型（LLMs）在许多 NLP 任务上表现良好，但其是否能够生成显式的语言结构尚不明确。我们评估指令调优 LLMs 在两项结构化预测任务上的表现：阿拉伯语形态句法标注和标记依存句法解析。阿拉伯语提供了一个具有挑战性的测试环境，其丰富的形态学和正字形歧义性质创造了强大的形态-语法相互作用。我们比较零样本提示与基于阿拉伯语树库示例的检索式零样本学习（ICL）。结果表明，提示设计和演示选择对性能影响显著：专有模型在特征级标注方面接近监督基线，在依赖句法解析方面变得具有竞争力。对于原始文本设置，分词仍具有挑战性，但检索式 ICL 改善了解析和分词。我们的分析突显了阿拉伯语形态句法和语法中哪些方面 LLMs 可靠捕获，哪些方面仍然困难。
引用
@article{arxiv.2603.16718,
title = {Arabic Morphosyntactic Tagging and Dependency Parsing with Large Language Models},
author = {Mohamed Adel and Bashar Alhafni and Nizar Habash},
journal= {arXiv preprint arXiv:2603.16718},
year = {2026}
}