印度语言结构化问答的多语言状态空间模型
计算与语言
2025-11-03 v3 人工智能
摘要
印度语言的多样性和复杂性为自然语言处理 (NLP) 任务，特别是问答 (QA) 领域的任务带来了独特挑战。为解决这些挑战，本文探索了应用状态空间模型 (SSM) 构建针对印度语言的高效且富有情境 awareness 的 QA 系统。SSM 特别适合此任务，因为它们能够建模序列数据中的长期和短期依赖，能够处理印度语言特有的丰富形态学、复杂语法和情境细节。我们在代表各种印度语言的多样化数据集上评估了多个 SSM 架构，并进行了性能比较分析。我们的结果表明，这些模型有效捕捉语言细微差别，显著提高了问题解释、情境对齐和答案生成。本工作代表着首次将 SSM 应用于印度语言问答任务，为该领域未来研究建立了基础基准。我们提出了对现有 SSM 框架的改进，优化其在低资源环境和多语言场景中的适用性。
引用
@article{arxiv.2502.01673,
title = {Multilingual State Space Models for Structured Question Answering in Indic Languages},
author = {Arpita Vats and Rahul Raja and Mrinal Mathur and Vinija Jain and Aman Chadha},
journal= {arXiv preprint arXiv:2502.01673},
year = {2025}
}
备注
NAACL 2025 Workshop on Technologies for Machine Translation of Low-Resource Languages (LoResMT)