概念Coreference Resolution / 共指消解
指代消解
NLP中判断代词或名词短语所指向实体的任务，是NLP的难点问题，与语言学中的照应关系理论密切相关
时间轴 (近 90 天)
10月27日
指代消解通常被建模为聚类问题：先抽取所有提及，再判断哪些提及属于同一实体簇。
待验证50%
10月27日
指代消解中的实体聚类依赖基于相似度的聚类能力，因此嵌入坍缩会直接损害模型表现。
待验证50%
10月27日
对低资源语言指代消解系统开发的经验性指引包括：优先投资高质量标注而非数据规模；对数据增强保持审慎，尤其在依赖篇章结构的任务上；跨语言迁移需要逐模型验证；多语言编码器的选择应结合任务特性做表征诊断。
待验证50%
10月27日
指代消解任务的目标是确定文本中哪些名词短语指向现实世界中的同一实体。
待验证50%
10月27日
回译等数据增强手段不仅没有提升指代消解性能，在某些设置下还导致结果下降。
待验证50%
10月18日
实践建议：不要按长度路由 LLM 流量，而应按嵌套深度、未解决的指代、推理是显式陈述还是隐含等真正让模型付出代价的特征来路由。
待验证50%
9月2日
多轮对话查询预处理管线包括指代消解、省略恢复、意图识别和多意图拆分等子任务
待验证50%
全部知识事实 (7)
待验证
指代消解通常被建模为聚类问题：先抽取所有提及，再判断哪些提及属于同一实体簇。
50%待验证指代消解中的实体聚类依赖基于相似度的聚类能力，因此嵌入坍缩会直接损害模型表现。
50%待验证对低资源语言指代消解系统开发的经验性指引包括：优先投资高质量标注而非数据规模；对数据增强保持审慎，尤其在依赖篇章结构的任务上；跨语言迁移需要逐模型验证；多语言编码器的选择应结合任务特性做表征诊断。
50%待验证指代消解任务的目标是确定文本中哪些名词短语指向现实世界中的同一实体。
50%待验证回译等数据增强手段不仅没有提升指代消解性能，在某些设置下还导致结果下降。
50%待验证实践建议：不要按长度路由 LLM 流量，而应按嵌套深度、未解决的指代、推理是显式陈述还是隐含等真正让模型付出代价的特征来路由。
50%待验证多轮对话查询预处理管线包括指代消解、省略恢复、意图识别和多意图拆分等子任务
50%