论文研究 arXiv cs.CL Wed, 23 Sep 2026 正文 thin 4 words

FineWeb-CLaR：用于基准对齐语料审计的文化、语言与区域标注

英文标题：FineWeb-CLaR: Culture, Language, and Region Annotations for Benchmark-Aligned Corpus Auditing

论文 FineWeb-CLaR 提出为语料库添加文化、语言和区域维度的标注，以支持与评测基准对齐的语料审计。作者指出，语言模型的文化评测覆盖度与鲁棒性难以诊断，原因在于预训练语料和文化类基准通常缺乏可比的元数据索引。随着基准测试日益关注特定文化语境下的现象，这类标注有望帮助开发者分析训练数据覆盖缺口，并改进模型的文化适应性评估。该论文以 arXiv:2609.25298v1 的新论文形式发布。

打开原文相关 1.6 · 机会 0