本文研究了多语言口语数据的意图检测，利用新资源MInDS-14，结合机器翻译模型和多语言句子编码器，展示了出色的意图检测能力，并进行了多维度比较分析。这标志着多语意图检测器的重要进展。

社交媒体在危机传播中起重要作用。研究引入了CrisisTransformers，一个预训练语言模型和句子编码器的集合，通过广泛训练提高了分类和句子编码任务的性能。模型已公开发布，可用于分析危机相关社交媒体文本。

本研究介绍了CrisisTransformers，一种用于分析危机相关社交媒体文本的预训练语言模型和句子编码器。评估结果显示，CrisisTransformers在18个危机特定的公共数据集上表现优于强基线，句子编码器提高了17.43%的技术水平。该模型已公开发布，可作为分析危机相关社交媒体文本任务的强大基准。

本研究比较了5种句子编码器在下游任务和语义特征捕捉方面的表现，发现多个句子编码器在下游任务上表现良好，但没有找到单一优胜者。进一步实验发现，Sentence-BERT和USE模型在复述标准上表现优越，LASER在同义词替换标准上表现最佳。所有句子编码器都未通过反义词替换和句子混乱的标准。结果表明，这些句子编码器在捕捉基本语义特征方面仍面临困境。

本研究比较了5种句子编码器在下游任务和捕捉基本语义特征能力方面的表现。通过在SentEval基准测试上评估，发现多个句子编码器在各种任务上表现良好。然而，没有找到单一的优胜者，因此进行了进一步实验。通过四个语义评估标准，发现Sentence-BERT和USE模型在复述标准上表现优越，LASER在同义词替换标准上表现最佳。所有句子编码器都未通过反义词替换和句子混乱的标准。结果表明，这些句子编码器在SentEval基准测试上表现良好，但仍难以捕捉基本语义特征，面临困境。