NatLan: 本土语言提示通过语言触发器提供和领域触发器保留促进知识获取
计算与语言
2024-10-16 v3 人工智能
摘要
多语言大语言模型（MLLMs）在非主导语言中回答问题的表现不如其在主导语言中的表现。虽然现有翻译后回答方法缓解了这一问题，但其有效性背后的机制仍不清晰。本研究将 MLLMs 的主导语言类比为人类的母语，并借鉴人类认知特征：语言触发器（LT）和领域触发器（DT），来解释翻译后回答方法背后的机制。这一发现表明，这些方法虽提供了充足的 LT，却在 DT 保留上存在不足。为缓解此问题，我们提出本土语言提示（NatLan），采用 Multi-MLLM 协作策略，引入具有更强多语言理解能力的额外角色增强领域特定 MLLM 作为翻译者。跨五个语言 QA 基准测试，NatLan 在准确率上提升最高可达 31.28%，且与现有最先进方法相比，在最高 87% 的情况下均实现 comparable 或更好的 DT 保留。我们的代码已公开于 https://github.com/AnonyNLP/NatLan。
引用
@article{arxiv.2408.03544,
title = {NatLan: Native Language Prompting Facilitates Knowledge Elicitation Through Language Trigger Provision and Domain Trigger Retention},
author = {Baixuan Li and Yunlong Fan and Tianyi Ma and Zhiqiang Gao},
journal= {arXiv preprint arXiv:2408.03544},
year = {2024}
}