CORI：集成罗马拼音的 CJKV 基准——迈向超越文字书写系统的跨语言迁移

天真地假设英语作为源语言可能会因为未能考虑语言接触的重要性而阻碍许多语言的跨语言迁移。某些语言比其他语言联系更紧密，目标语言可以从密切相关语言的迁移中受益；对于许多语言而言，密切相关的语言集合并不包括英语。在这项工作中，我们研究了源语言对跨语言迁移的影响，证明了选择与目标语言具有高接触度的源语言的重要性。我们还为密切接触的中日韩越（CJKV）语言构建了一个新颖的基准数据集，以进一步鼓励对语言接触的深入研究。为了全面捕捉这些语言之间的接触，我们提出通过对比学习目标集成超越文字书写系统的罗马拼音转录，从而增强跨语言表示并实现有效的零样本跨语言迁移。