GRDD+：扩展版希腊方言数据集及跨架构精调评估
计算与语言
2026-03-02 v3
摘要
我们提出扩展版希腊方言数据集（GRDD+），其补充了现有GRDD数据集中的克里特岛方言、塞浦路斯方言和 Pontic 方言，同时新增六种方言变体：Greco-Corsican、Griko（意大利南部希腊语）、Maniot、Heptanesian、Tsakonian 与 Katharevusa Greek。最终数据集规模达6,374,939个单词，涵盖10种方言变体。这是目前规模与变体最丰富的数据集。我们进行多项精调实验，探讨高质量方言数据的影响。我们对三种模型架构（Llama-3-8B、Llama-3.1-8B、Krikri-8B）进行精调，并将结果与前沿模型（Claude-3.7-Sonnet、Gemini-2.5、ChatGPT-5）进行比较。
引用
@article{arxiv.2511.03772,
title = {GRDD+: An Extended Greek Dialectal Dataset with Cross-Architecture Fine-tuning Evaluation},
author = {Stergios Chatzikyriakidis and Dimitris Papadakis and Sevasti-Ioanna Papaioannou and Erofili Psaltaki},
journal= {arXiv preprint arXiv:2511.03772},
year = {2026}
}