low-resource-nlp

本文审计了二十多个非洲自然语言处理语料库家族的许可证来源，识别了兼容性故障，如JW300违规和隐藏的NoDerivs条款，并提供了合法清洁数据集创建的尽职调查清单。

本文利用AfriXNLI基准测试，研究标注数据大小对16种非洲语言自然语言推理性能的影响。结果表明，缩放行为对语言敏感且通常非单调，挑战了常见的单调改进假设，并强调了需要为特定语言创建数据集以及更强的多语言策略。