有限资源语言情境下基于大语言模型的列表化重排序比较分析
计算与语言
2025-01-16 v2
摘要
大型语言模型（LLM）在多项NLP任务中展现出显著的有效性，包括文本排序。本研究评估了大型语言模型在有限资源非洲语言列表化重排序中的性能。我们比较了专有模型RankGPT3.5、Rank4o-mini、RankGPTo1-mini和RankClaude-sonnet在跨语言情境下的表现。结果表明，这些LLM在大多数评估指标中均显著优于传统基线方法，如BM25-DT，尤其是在nDCG@10和MRR@100上。这些发现凸显了LLM在提升低资源语言重排序任务方面的潜力，并为寻找具有成本效益的解决方案提供了见解。
引用
@article{arxiv.2412.20061,
title = {Comparative Analysis of Listwise Reranking with Large Language Models in Limited-Resource Language Contexts},
author = {Yanxin Shen and Lun Wang and Chuanqi Shi and Shaoshuai Du and Yiyi Tao and Yixian Shen and Hang Zhang},
journal= {arXiv preprint arXiv:2412.20061},
year = {2025}
}