AutoLEX 是一个自动框架，旨在帮助语言学家发现和提取语言现象的简洁描述，如形态一致性、格标记和词序。

Mar, 2022

自然语言推理 (NLI) 是一个活跃研究的领域，通过识别句子对中所呈现的蕴涵关系来代表自然语言理解。本文提出了第一个罗马尼亚语 NLI 语料库（RoNLI），其中包括 58K 个通过远程监督获取的训练句子对，以及手动注释了正确标签的 6K 个验证和测试句子对。我们进行了一系列基于远程学习的多个机器学习方法的实验，从基于词嵌入的浅层模型到基于 Transformer 的神经网络，以确立一组有竞争力的基准模型。此外，我们通过采用基于数据制图的新的课程学习策略，改进了最佳模型。我们提供了数据集和用于重现基准模型的代码。

May, 2024

提出一个首个大规模的公开合成数据集，用于上下文拼写检查自定义自动语音识别（ASR）中的多样罕见和词汇外（OOV）短语，如专有名词或术语。通过注入两种类型的 “困难负面” 短语到模拟的偏见列表中，我们的方法可以创建数百万个真实的损坏 ASR 假设示例，并模拟定制任务的非平凡偏见列表，同时描述了自动挖掘它们的过程。通过在提出的数据集上训练开源定制模型进行实验，我们显示出注入困难负面偏见短语可以降低 WER 和误报数目。

Sep, 2023

本研究介绍了一种基于大型语料库信息和词汇速写的新工具，用于自动生成详尽精确的单语词典中的单词释义，并重点计算名词释义的质量评估。该方法在某种程度上与语言无关，但本文介绍的验证则仅限于捷克语和英语，研究结果表明，该方法约 90% 的释义包含有助于理解单词含义的数据，但在许多情况下，需要进行后期编辑以去除冗余信息。

Feb, 2023

本文描述了我们基于无监督系统的组成部分和结果，该系统使用基于图的聚类方法预测未知词语用法和字典条目之间的映射，并通过最先进的大型语言模型（如 GPT-4 和 LLaMA-3）为这些新颖词语用法生成类似字典的定义。我们的系统在 Subtask 1 中明显优于基准系统，在映射结果中通过图形聚类方法区分匹配和不匹配的（新颖）词语用法，提供了可解释性。我们的系统在芬兰语和德语中排名第一，在俄语中排名第二，展示了我们的系统在管理字典条目方面的潜力，特别是用于更新包含新意义条目的字典。

Jun, 2024

本文介绍了通过对现有的多语言网页语料库 OSCAR 进行自动注解和改进，以获得更适合于预训练大型生成语言模型的新版本的方法。

Jan, 2022

本研究使用自动排名法大幅减少专家评估的数量，并在英语中测试了该方法对具有较小样本的具体 / 抽象单词字典自动生成的可行性和准确性，结果表明构建的字典质量和专家手动构建的字典相当且预测和专家排名之间的相关性高于现有方法。

Jun, 2022

本研究介绍了一个自动框架，旨在通过自动发现和可视化语法的不同方面来促进语言教学，其中从自然语料库中提取描述单词排序、一致性、语法标记或词形成及词汇学习的描述，并显示例证。作者在印度语言 Kannada 和 Marathi 上应用此方法，以评估其实用性，并邀请北美的语言教育家对这些语言进行手动评估。教师们认为这些材料有趣，可以用作自己的课程准备或学习者评估的参考资料。

Jun, 2022

通过自动发现和可视化语法描述，本研究旨在帮助语言教育专家自动创建材料，以便教授印度语言中的语法和语义知识。

Oct, 2023

本文以 Universal Dependencies 项目为例，通过开发一种自动化框架实现从原始文本中提取语法规范，并聚焦于提取描述协议的规则。我们使用跨语言转移的方法，即使在语言专家的注释不可获得的情况下，也能提取出几乎等同于大量黄金标准注释数据所创建的语法规范。

Oct, 2020