Budget-Xfer：面向非洲语言的预算受限源语言选择用于跨语言迁移
计算与语言
2026-03-31 v1
摘要
跨语言迁移学习通过利用来自高资源源语言的标记数据，为低资源语言提供 NLP 支持，但现有的源语言选择策略比较缺乏对总训练数据的控制，这会混淆语言选择效应与数据数量效应。我们引入 Budget-Xfer，一个将多源跨语言迁移表述为预算受限资源分配问题的框架。给定固定的标注预算 B，our framework 同时优化应包含哪些源语言以及从每个源语言分配多少数据。我们评估了四种分配策略，在三个非洲目标语言（Hausa、Yoruba、Swahili）上的命名实体识别和情感分析任务中使用两种多语言模型，进行 288 次实验。我们的结果显示：(1) 多源迁移显著优于单源迁移（Cohen's d = 0.80 to 1.98），归因于结构性预算 underutilization 瓶颈；(2) 在多源策略之间，差异有限且不显著；(3) 嵌入相似度作为选择代理的价值是任务依赖的，对于 NER 但不适用于情感分析，随机选择可能优于基于相似度的选择。
引用
@article{arxiv.2603.27651,
title = {Budget-Xfer: Budget-Constrained Source Language Selection for Cross-Lingual Transfer to African Languages},
author = {Tewodros Kederalah Idris and Roald Eiselen and Prasenjit Mitra},
journal= {arXiv preprint arXiv:2603.27651},
year = {2026}
}
备注
5 pages, 5 tables. Submitted to SIGIR 2026 Short Paper track