LlamaLens：用于分析新闻和社交媒体内容的多语言专用大语言模型
计算与语言
2025-02-28 v2 人工智能
摘要
大语言模型（LLMs）作为通用任务求解器在各个领域取得了显著成功。然而，它们在处理特定领域问题，特别是下游NLP任务时，能力仍然有限。研究表明，在基于指令的下游NLP数据集上微调的模型优于未微调的模型。虽然该领域的大多数工作主要集中于资源丰富的语言（如英语）和广泛领域，但很少关注多语言环境和特定领域。为弥补这一空白，本研究专注于开发一个专用大语言模型LlamaLens，用于在多语言环境下分析新闻和社交媒体内容。据我们所知，这是首次尝试同时解决领域特异性和多语言性问题，并特别关注新闻和社交媒体。我们的实验设置包括18个任务，由涵盖阿拉伯语、英语和印地语的52个数据集表示。我们证明，LlamaLens在23个测试集上超越了当前最先进（SOTA）水平，并在8个测试集上取得了可比的性能。我们向研究社区公开提供模型和资源（https://huggingface.co/collections/QCRI/llamalens-672f7e0604a0498c6a2f0fe9）。
引用
@article{arxiv.2410.15308,
title = {LlamaLens: Specialized Multilingual LLM for Analyzing News and Social Media Content},
author = {Mohamed Bayan Kmainasi and Ali Ezzat Shahroor and Maram Hasanain and Sahinur Rahman Laskar and Naeemul Hassan and Firoj Alam},
journal= {arXiv preprint arXiv:2410.15308},
year = {2025}
}
备注
LLMs, Multilingual, Language Diversity, Large Language Models, Social Media, News Media, Specialized LLMs, Fact-checking, Media Analysis, Arabic, Hindi, English