热点事件持续更新
尼泊尔选举承诺金标准数据集与AI抽取模型研究
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
2026年10月26日，arXiv cs.CL 刊出一项研究，作者以“从承诺到问责”为主题，对尼泊尔政治文本中的选举承诺进行 AI 建模与可视化对比。研究称构建了首个尼泊尔政治文本金标准数据集，并系统对比机器学习、深度学习与大语言模型自动抽取选举承诺的效果。深度学习模型中，fastText-LSTM 表现最佳，准确率 0.914、AUROC 0.961；机器学习模型中 LaBSE-LR 最优。三个大语言模型中，Qwen3-8B 的 few-shot macro F1 达 0.848。研究成果已集成进移动应用，借助生成式 AI 对承诺进行可视化呈现，以推动问责。报道未提及数据集规模、标注细节及与其他语言同类工作的对比。
AI 根据报道生成 · 1 小时前更新
最新进展10月26日 12:00
研究发布首个尼泊尔选举承诺金标准数据集，fastText-LSTM 与 Qwen3-8B 表现领先。报道时间线
沿着报道，了解事件的不同侧面。
10月26日
- arXiv cs.CL从承诺到问责：尼泊尔政治文本选举承诺的 AI 建模与可视化对比研究
研究者构建首个尼泊尔政治文本金标准数据集，并对比机器学习、深度学习与大语言模型自动抽取选举承诺的效果。fastText-LSTM 以 0.914 准确率、0.961 AUROC 居深度学习模型首位，LaBSE-LR 在机器学习模型中最佳。三个大语言模型中 Qwen3-8B 的 few-shot macro F1 达 0.848，成果已集成进移动应用，借助 GAI 可视化承诺。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。