该研究介绍了由语言学出版物和生成模型构建的 Russian Corpus of Linguistic Acceptability (RuCoLA), 通过基线方法精细分析了接受度分类实验，表明在检测形态和语义错误方面，最广泛使用的语言模型仍然远远落后于人类。研究团队开放了 RuCoLA、实验代码和公共排行榜，以评估俄语语言模型的语言能力。

Oct, 2022

本研究提出了一种新方法，通过引入修辞信息到神经共指消解模型中，来明确捕获层次化语篇中的指代选择， 并使用多语言实体感知语言模型 LUKE，在 RuCoCo-23 共指消解任务上评估了该方法的性能。实验表明，使用修辞距离的最佳模型在开发集 (74.6 % F1) 上排名第一，在测试集 (73.3 % F1) 上排名第二。希望我们的研究能够激发对于神经共指消解模型中引入语篇信息的进一步研究。

Jun, 2023

《KoCoNovel》是一项基于韩国文学文本的创新性人物共参考数据集，从 50 部现代和当代韩国小说中提取的 178K 令牌构成，是继 NIKL 语料库之后韩国第二大公开的人物共参考解析语料库，并且是首个基于文学文本的语料库。该数据集提供四个不同版本的 KoCoNovel，为包括全知作者和读者视角以及单独或重叠处理多个实体的选项提供了选择。实验证明，使用 KoCoNovel 与 NIKL 语料库相比，基于 BERT 的人物共参考模型表现出明显的性能提升，这一发现凸显了 KoCoNovel 通过整合韩国文化和语言动态的潜力，可以显著增强人物共参考解析模型。

Apr, 2024

介绍了一个大规模的英语数据集 PreCo，它设计用于解决指代消解中的核心挑战，强调实体表示、训练与测试集的重叠性和提高指代关系性能。

Oct, 2018

本文是关于用于俄语释义生成的大规模语料库进行自动开发和排名的，提出了 ParaPhraser Plus 数据集以解决目前该领域小规模的语料库难以在文本生成中应用的问题，并使用 Universal Transformer 架构进行了实验。

Jun, 2020

本文概述了 CRAC 2022 研讨会上多语种共指消解任务的概况，采用公共数据集 CorefUD 1.0 为训练和评估数据，使用 CoNLL 得分作为主要评估指标，并比较了多个系统和竞争基线系统，获胜者系统的表现优于竞争基线 12 个百分点。

Sep, 2022

本文介绍了基于 BERT 模型的俄语生物医学文本挖掘模型（RuBioBERT，RuBioRoBERTa）。这些模型在俄语医学领域的文本语料库上进行预训练，并在俄罗斯医学语言理解基准（RuMedBench）上展现了最新的成果，包括文本分类、问答、自然语言推断和命名实体识别。

Apr, 2022

本文提出了一个新的数据集，其中包含 100 部英文小说的 29,103 个指代注释，涵盖了 210,532 个标记。这个数据集对比以前的数据集不同的地方在于包含了平均长度为 2,105.3 个单词的文档，是其他基准数据集的四倍长（OntoNotes 为 463.7），并且包含了文学中常见的难度指代问题的示例。这个数据集可以评估指代消解任务的跨领域性能，并分析长距离文档内指代的特征。

Dec, 2019

本研究介绍了 RuSemShift，一项大规模手动注释的测试集，用于俄语语义变化建模和分析，并提出了多种分布式方法的表现和改进。

Oct, 2020

本文提出了 COCO-CN 数据集和推荐辅助集体注释系统，通过学习跨语言资源，完成了跨语言的图片标记、字幕和检索任务，为跨语言图像注释和检索领域做出了重要贡献。

May, 2018