近日，我校语言科学与艺术学院团队的论文“Tone Negatives and Conditional Glyph Priors for Sample-Efficient Chinese BabyLM Pretraining”获NLPCC 2026主会录用。同时，团队在Chinese BabyLM挑战赛中获得综合赛道第4名、自然语言理解（NLU）赛道第3名。
该研究利用汉字声调和字形信息，探索有限数据条件下的中文语言模型训练。声调负样本使汉字拼音评测得分由47.80提高至58.50，提升10.70分；声调易混淆字恢复准确率最高由69.7%提高至96.3%，提升26.6个百分点。
NLPCC是中国计算机学会（CCF）主办的自然语言处理与中文计算领域重要国际学术会议，属于CCF推荐C类会议。Chinese BabyLM是其中文语言模型预训练挑战赛，关注有限语料条件下的语言学习与理解能力。
论文第一作者为学院2024级硕士研究生杨于薇，第二作者为2026级硕士研究生濮世皓，酆格斐、杨亦鸣为共同通讯作者。
图1 Chinese BabyLM挑战赛前10名结果
图2 论文研究框架
图3 声调易混淆字恢复测试结果