本文分析了使用双语词汇词典进行多语言自然语言理解和机器翻译任务的关键步骤：双语词汇识别（BLI）。研究了在德国及其两个方言，巴伐利亚语和阿勒曼尼亚语中进行 BLI 的挑战，使用预训练的大型语言模型（LLMs）的双语文本挖掘和词对齐。最终提供了两个评估数据集和结果分析。

Apr, 2023

在现代机器学习中，双语词汇诱导（BLI）的方法中，模型学习了语言对的嵌入空间之间的映射。最近，BLI 的检索与排序方法在该任务上取得了最先进的结果。然而，在资源匮乏的环境下，该问题仍然具有挑战性，因为数据非常稀缺。跨语言的词汇变异等因素使得该任务变得复杂。我们认为将额外的词汇信息纳入最新的检索与排序方法应该能够改善词汇诱导。我们在 XLING 上展示了我们提出方法的功效，在所有语言对中，平均提升了 2% 以上的性能，超过了先前的最佳结果。

Apr, 2024

介绍了一种适用于资源匮乏语言的无监督双语词汇表感知方法，该方法仅需要使用高资源语言单语 BERT 进行推理，并在印度次大陆的五种语言中首次发布自动生成的双语词汇表。

May, 2023

本文提出了一个稳健且有效的两阶段对比学习框架，旨在弥合不同语言之间的词汇鸿沟，其中运用了双语词典归纳、交叉语言映射等方式，从而成功提高了跨语言单词翻译的准确率。

Mar, 2022

本研究提出了一种将静态词向量和上下文表示相结合的机制来改进双语词典归纳（BLI）的表现，结果表明在监督及无监督的基准测试环境下，我们的机制均可提高 3.2 和 3.1 个百分点左右的性能表现。

Jun, 2021

通过利用机器翻译产生多语言数据来实现对预训练的多语言 LLM 的图像编码器的重新对准，从而在消费者硬件上使用少量训练数据来获得第一款多语言 Vision-LLM，与从头开始训练的大规模 Vision-LLM 相比表现出色。

Jul, 2023

ProMap 是一种创新的双语词汇感应方法，利用预训练的多语言模型，在富资源语言和低资源语言中均实现了最先进的结果，尤其在少样本情况下表现出强大的性能，为低资源语言翻译提供了有价值的工具。

Oct, 2023

本文提出了 BLICEr（BLI with Cross-Encoder Reranking）方法，是一个半监督的后处理重排序方法，用于任意预先计算过的 CLWE 空间，取得了基于两个标准 BLI 基准的新的最先进结果，涵盖了各种不同语言的宽谱。

Oct, 2022

最近的研究表明，尽管大型语言模型在少样本设置中展示了强大的词汇翻译或双语词典归纳能力，但在无监督场景中（特别是对于资源较少的语言），它们仍无法与 ' 传统 ' 的基于映射方法的性能相媲美。为了解决这一挑战，我们提出了自我增强的上下文学习（SAIL）用于无监督的双语词典归纳：从零样本提示开始，SAIL 迭代地通过从一个 LLM 中归纳一组高置信度的词汇翻译对用于上下文学习（ICL），然后再次应用于同一个 LLM 进行 ICL。我们的方法在两个广泛覆盖的双语词典归纳基准测试中都显著优于 LLMs 的零样本提示，并且在整体上优于基于映射的基准线。除了达到现有无监督双语词典归纳性能的最新水平外，我们还对 SAIL 进行了全面的分析，并讨论了其局限性。

Feb, 2024

该论文提出了一种半监督的双语词汇识别方法（BLISS），该方法使用了一个新的中枢过滤技术，可以放松两个嵌入空间同构假设，利用有限的对齐双语词汇表和更大的未对齐词汇表，实现了令人瞩目的效果。

Aug, 2019