面向低资源语言的基于 LLM 的逐词提示与情境方法进行语际对齐
计算与语言
2025-03-25 v2
摘要
半自动语际对齐文本 (IGT) 的创建潜在在语言学记录中发挥重要作用。我们认为 LLM 由于其遵循自然语言指令的能力，可以使这一过程更易于语言学家使用。我们研究了基于检索的 LLM 提示方法对语际对齐的有效性，适用于 SIGMORPHON 2023 分项任务中的七种语言。我们的系统在所有语言的形态学水平评分类别中均优于基于 BERT 的分项任务基线，我们还展示了简单的 3-best 参考在五种语言的词汇水平评分上高于挑战获奖者（微调的序列模型）。在对 Tsez 的案例研究中，我们要求 LLM 自动创建和遵循语言学指令，从而减少对某一令人困惑语法特征的错误。我们的结果表明，LLM 在语际对齐交互系统中的潜在贡献，既适用于向人类标注员提供建议，也适用于遵循指令。
关键词
引用
@article{arxiv.2502.09778,
title = {Prompt and circumstance: A word-by-word LLM prompting approach to interlinear glossing for low-resource languages},
author = {Micha Elsner and David Liu},
journal= {arXiv preprint arXiv:2502.09778},
year = {2025}
}