GlossAssist：簡化語料庫建立並研究低資源文件環境下 NLP 模型效能的工具
arXiv - Human-Computer InteractionBhargav Shandilya, Matt Buchholz, Alexis Palmer
開發一款基於 CWoMP 的互動式自動注釋工具，透過使用者修正作為活躍學習，無需重新訓練即可持續提升低資源語言的詞彙表現。
AI 幫你先抓重點
AI 重點 1
將使用者修正納入活躍學習，可在低資源環境下快速提升模型效能。
滑鼠懸停看 AI 判斷理由
此策略避免了昂貴的模型重訓，讓語言文件工作者能即時利用自身專業知識調整系統，縮短資料標註週期並提升準確率。
AI 重點 2
設計回饋迴路為 NLP 工具的必備功能，確保工具真正被實務使用。
滑鼠懸停看 AI 判斷理由
若工具缺乏可解釋的修正機制，使用者難以信任並持續使用；回饋機制使模型行為可追蹤，促進跨領域合作與長期應用。
核心研究發現
- 1
GlossAssist 將 CWoMP 的可變詞彙表與檢索式架構結合，實現對低資源語言的即時詞彙預測。
- 2
系統將每一次使用者的修正視為活躍學習樣本，直接擴充詞彙表並提升後續預測準確度。
- 3
研究證實，透過此回饋迴路，GlossAssist 在不重新訓練模型的情況下，能在實際語料上持續改進。
對教育工作者的啟發
實務工作者可先部署 GlossAssist，利用其互動介面快速產生初步 IGT；每次修正即成為活躍學習資料，無需重訓模型即可提升準確度。建議在文件工作流程中嵌入此回饋迴路，並與現有語料庫同步更新，確保詞彙表持續擴充。對於低資源語言，該工具可大幅縮短標註時間，提升資料品質，並為後續 NLP 研究提供更可靠的訓練集。
原始文獻資訊
- 英文標題：
- GlossAssist -- A Tool to Simplify Corpus Creation and Study the Effect of NLP Models in Low-Resource Documentation Settings
- 作者：
- Bhargav Shandilya, Matt Buchholz, Alexis Palmer
- 來源：
- arXiv - Human-Computer Interaction
- AI 摘要模型：
- openai/gpt-oss-20b
每週精選研究電子報
每週五信箱收到精選 5 篇教育科技重點研究摘要，零時間壓力掌握學術前沿。