paper.dinq.meAI 与前沿科学顶会 · 学术新星雷达
登录 DINQ
返回新星榜
XS

Xinhe Shi

ACL 2026多语言与语言学评测与基准对齐与偏好
新星分新星
51
一作贡献30
核心/参与0
方向广度6
合作网络3
1 一作 · 1 篇 · ACL 2026

获取完整研究档案

首次获取该候选人的完整档案及 StartLux 评估共 20 积分;每位用户单独解锁,之后查看免费。主动刷新 20 积分。

联系方式

实时查找电子邮箱,费用不超过20积分;未找到邮箱不扣费。

2026 顶会论文

1
一作ACL 2026Poster· Natural Language Processing

How to Improve LLM s’ Performance on Specific Languages: A Perspective on LLM -Derived Language Similarity

Xinhe Shi · Qingcheng Zeng · Weihao Xuan · Linchao Zhu

摘要

Large language models (LLMs) exhibit uneven performance across languages. In language-specific applications, practitioners often rely on target-language corpora or cross-lingual transfer to achieve better performance. However, traditional linguistic typology, commonly used as a transfer language...

多语言与语言学评测与基准对齐与偏好OpenReview 项目页

常见合作者