RoBiologyDataChoiceQA：一个用于提升大型语言模型生物学理解的罗马尼亚语数据集
计算与语言
2025-10-01 v1 机器学习
摘要
近年来，大型语言模型（LLMs）在各种自然语言处理（NLP）任务中展现出巨大潜力。然而，它们在特定领域应用和非英语语言中的性能仍较少被探索。本研究引入了一个新颖的罗马尼亚语生物学多项选择题数据集，该数据集经过精心整理，用于评估LLM在科学语境下的理解和推理能力。该数据集包含约14,000个问题，为评估和提升LLM在生物学方面的性能提供了全面的资源。我们对几个流行的LLM进行了基准测试，分析了它们的准确性、推理模式以及理解领域特定术语和语言细微差别的能力。此外，我们进行了全面的实验，以评估提示工程、微调和其他优化技术对模型性能的影响。我们的发现突显了当前LLM在处理低资源语言的专业知识任务方面的优势与局限，为未来的研究和开发提供了宝贵的见解。
引用
@article{arxiv.2509.25813,
title = {RoBiologyDataChoiceQA: A Romanian Dataset for improving Biology understanding of Large Language Models},
author = {Dragos-Dumitru Ghinea and Adela-Nicoleta Corbeanu and Adrian-Marius Dumitran},
journal= {arXiv preprint arXiv:2509.25813},
year = {2025}
}