新模型结合焦点损失与对比学习提升CEFR评估

Eugene Matsumura 和 Yuki Arase 提出了一种结合 Focal Loss 与监督对比学习的统一训练目标，用于自动评估文本的 CEFR 等级。该方法旨在解决 CEFR 等级预测中存在的类别不平衡与边界模糊问题。在单语和多语环境下的句子级及文档级评估中，该方法持续优于强基线模型，并在多个 CEFR 评估基准上确立了新的 SOTA 性能。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。