探索大语言模型的词义消歧能力
计算与语言
2025-03-12 v1 人工智能
摘要
词义消歧（WSD）是计算语言学中的历史性任务，多年来受到广泛关注。然而，随着大语言模型（LLM）的兴起，对该任务（在经典定义下）的兴趣有所下降。在本研究中，我们评估了各种LLM在WSD任务上的性能。我们扩展了先前的基准（XL-WSD），重新设计了两个适合LLM的子任务：1）给定句子中的一个词，LLM必须生成正确的定义；2）给定句子中的一个词和一组预定义含义，LLM必须选择正确的那个。扩展后的基准使用XL-WSD和BabelNet构建。结果表明，LLM在零样本学习中表现良好，但无法超越当前最先进的方法。然而，一个中等参数规模的微调模型优于所有其他模型，包括最先进方法。
引用
@article{arxiv.2503.08662,
title = {Exploring the Word Sense Disambiguation Capabilities of Large Language Models},
author = {Pierpaolo Basile and Lucia Siciliani and Elio Musacchio and Giovanni Semeraro},
journal= {arXiv preprint arXiv:2503.08662},
year = {2025}
}