使用大语言模型对德语语言水平进行分类
计算与语言
2025-12-09 v1 人工智能
摘要
评估语言水平对于教育至关重要，因为它使针对学习者需求的教学成为可能。本文探讨了使用大语言模型（LLMs）自动按欧洲语言参考框架（CEFR）对德语文本进行不同水平分类的问题。为支持可靠的训练和评估，我们通过组合多个现有的 CEFR 标注语料库与合成数据构建了多样化的数据集。随后我们评估了提示工程策略、对 LLaMA-3-8B-Instruct 模型的微调，以及利用 LLM 内部神经状态进行探针式分类的方法。我们的结果显示，相对于先前方法，本方法在性能上持续获得改进，凸显了 LLM 用于可靠且可扩展的 CEFR 分类的潜力。
引用
@article{arxiv.2512.06483,
title = {Classifying German Language Proficiency Levels Using Large Language Models},
author = {Elias-Leander Ahlers and Witold Brunsmann and Malte Schilling},
journal= {arXiv preprint arXiv:2512.06483},
year = {2025}
}
备注
Accepted at 3rd International Conference on Foundation and Large Language Models (FLLM2025), Vienna (Austria)