CodedLang:7744 条中文点评数据集,强模型也读不懂「报纸吃」

windx0303 · x · 2026-10-24

ACL 2026 长文《"Newspaper Eat" Means "Not Tasty"》发布 CodedLang 数据集:7,744 条真实中文 Google Maps 点评,其中 900 条做了 span 级隐语标注,并提出七类编码策略分类法(语音、字形、跨语言替换等)。作者来自 PSU 系(Changye Li、Ting-Hao Kenneth Huang 合著)。基准测试涵盖隐语检测、分类与评分预测,结果显示即使是强模型也难以识别或理解隐语;论文还做了隐语与解码形式的语音学分析。代码与数据集已开源,突显隐语作为真实世界 NLP 的未充分探索挑战。