跨语言及文本粒度的 CEFR 等级评估

研究人员提出一种结合 focal loss 与有监督对比学习的统一训练目标，用于解决文本 CEFR 等级自动评估中的类别不平衡与相邻等级边界模糊难题。该方法利用 focal loss 强化少样本和难例，并通过对比学习促进类内紧凑与类间分离。实验表明，该方法在单语言和多语言设置下的句子级与文档级评估中均优于强基线，取得多个 CEFR 基准的 SOTA 表现。