Der Skalensprung großer Sprachmodelle hat die Entwicklung der natürlichen Sprachverarbeitung in letzter Zeit gefördert, aber die chinesische NLP steht weiterhin vor besonderen Herausforderungen, einschließlich Schwierigkeiten bei der Wortsegmentierung und kultureller Komplexität wie Redewendungen und Anspielungen. Auch die systematische vergleichende Analyse der Leistung mainstream Modelle in chinesischen Anwendungen bleibt begrenzt. Diese Studie vergleicht und analysiert fünf repräsentative große Sprachmodelle: GPT, LLaMA, Claude, ERNIE und Kimi in drei zentralen chinesischen NLP-Aufgaben: Textgenerierung, maschinelle Übersetzung und Textanalyse. Die Forschung zeigt die Leistung und Spezialisierungen dieser Modelle durch die Bewertung ihrer Anwendungen in realen Szenarien. ERNIE demonstriert ein großes kulturelles Verständnis und die Generierung chinesischer spezifischer Inhalte, während GPT tendenziell besser in kreativer Vielfalt abschneidet. Claude zeigt hervorragende analytische Präzision und Sicherheitsstandards, LLaMA bietet wertvolle Anpassungsflexibilität durch seine Open-Source-Natur, und Kimi spezialisiert sich auf die Verarbeitung von Langtextdokumenten. Die Ergebnisse zeigen, dass verschiedene Modelle unterschiedliche Leistungsprofile in verschiedenen Anwendungsbereichen aufweisen. Die Modellwahl erfordert ein Gleichgewicht zwischen kulturellen Faktoren, technischer Leistung und Bereitstellungseinschränkungen. Diese Ergebnisse fördern Strategien zur Modellauswahl für chinesische NLP-Aufgaben.
Zheming Xu (Di,) hat diese Frage untersucht.