arXiv cs.CL· Atnafu Lambebo Tonja, Tadesse Destaw Belay, Jesujoba Oluwadara Alabi, Israel Abebe Azime, Benjamin Rosman, Ehsan Shareghi, Thamar Solorio, Pontus Stenetorp, Monojit Choudhury·· 12 小时前AI 评分31
研究测量低资源语言的研究进展与语言包容性
Measuring Research Progress and Linguistic Inclusion in Low-Resource Languages
AI 导读
一项分析 2020 至 2025 年间 1,158 篇同行评审开放获取论文的研究提出语言包容性框架（LIF），从研究增长、代表性扩展、代表性连续性和分布公平四个维度衡量语言包容性。
正文 · AI 翻译
摘要：大语言模型（LLMs）加速了低资源与多语言 NLP 的研究，但其在构建公平格局方面的有效性仍未被厘清。我们分析了 2020 年至 2025 年间发表的 1,158 篇同行评审开放获取论文，考察研究对低资源语言（LRLs）的关注度以及在语言和说话人群体层面的代表性。为在论文数量之外评估语言包容性，我们引入了语言包容性框架（LIF），这是一个多维框架，从四个维度衡量语言包容性：研究增长、代表性扩展、代表性连续性和分布公平性。尽管年度发表量从 52 篇增长到 415 篇，其在 ACL Anthology 中的发表份额增长了 5.4 倍，但这种增长主要集中在已有代表性的语言上，而非扩大对代表性不足语言的覆盖。进一步分析显示，在我们分析的低资源语言中，亚洲使用的语言占说话人总数的 64.1%，但仅获得 46.7% 的语言代表性份额（为其比例份额的 0.7 倍），而欧洲语言获得的份额是其比例份额的 5.3 倍。在国家层面，撒哈拉以南非洲和东南亚等语言多样性丰富的地区语言覆盖率最低。在洲际层面应用该框架，我们发现没有任何地区在全部四个维度上表现良好，这表明仅凭研究增长并非衡量迈向公平包容语言技术进展的可靠指标\footnote{我们将发布所有收集和标注的数据以供研究使用}。
| 主题： | 计算与语言（cs.CL） |
| 引用为： | arXiv:2610.30296 [cs.CL] |
| （或 arXiv:2610.30296v1 [cs.CL] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.30296 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Atnafu Lambebo Tonja [查看邮箱]
[v1]
2026年10月21日 星期三 18:11:51 UTC（5,287 KB）
来源：arXiv cs.CL · arxiv.org