AFROSCOPE 登 EMNLP：覆盖 640 种非洲语言识别，前 Frongier LLM 仅得 47.4

mageed · x · 2026-10-27

UBC 团队在 EMNLP 2026 发布 AFROSCOPE，一个大规模非洲语言识别框架：覆盖 8 个语系、7 种文字的 640 种语言，训练数据 595 万句，去重并把 Bible 文本占比从七成以上降到 53.5%，与全部六个评测基准零重叠（现有广泛使用的资源重叠高达 14.15%）。

结果：SerengetiAF+Mirror 在自建测试集上 macro-F1 达 97.9，远超 GlotLID-M 的 71.9；而最好的前沿大模型（Claude Opus 4.7）仅 47.4。其中 Mirror——一个区分易混淆语言的层级化二次判别——带来 +1.57 提升；研究发现文字系统而非语系更能预测迁移效果。