Meta4XNLI es el primer conjunto de datos paralelos de inferencia del lenguaje natural (NLI) anotado recientemente para la detección e interpretación de metáforas en inglés y español. Este conjunto de datos facilita la comparación de modelos basados en codificadores y decodificadores para detectar y comprender el lenguaje metafórico en entornos multilingües e interlingüísticos. Nuestros resultados muestran que los codificadores optimizados superan a los modelos LLM basados solo en decodificadores en la detección de metáforas, y que la interpretación de metáforas es comparable a la de los modelos de máscara y autorregresivos, pero que la inferencia se degrada significativamente cuando se trata de lenguaje metafórico. También observamos que la traducción desempeña un papel importante en la preservación o pérdida de metáforas en diferentes idiomas, induciendo cambios que pueden afectar la ocurrencia de metáforas y el rendimiento del modelo. Recursos como Meta4XNLI son importantes para el análisis funcional de modelos lingüísticos y para avanzar en nuestra comprensión del procesamiento de metáforas en diferentes idiomas. Este conjunto de datos brinda la oportunidad de investigar el impacto de la traducción en la interpretación de metáforas, la transferibilidad de metáforas interlingüísticas y el desarrollo de recursos de anotación multilingües.
