研究人员开发了DiaLLM系统，旨在改进大型语言模型生成方言英语的能力。研究发现，尽管模型能够理解各种英语方言，但在生成方面却存在困难，这表明鲁棒性与生成能力之间存在差距。DiaLLM的方法，通过在国际英语语料库上进行持续预训练和对齐策略，表明明确的、针对特定变体的适应对于生成可识别的方言输出是首选的，尽管人类评估者并不总是偏爱那些最积极优化方言奖励的方法。 AI
影响 这项研究可能促使大型语言模型能够更有效、更真实地使用更广泛的全球英语方言进行交流。
排序理由 该集群包含一篇研究论文，详细介绍了一种新方法（DiaLLM），用于使语言模型适应生成特定的英语方言。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2607.07669v1 Announce Type: cross Abstract: Large language models increasingly \emph{understand} dialectal English, yet still \emph{produce} only standard, US-leaning English, leaving dialectal generation, the harder half of the problem, largely unaddressed. We introduce \t…
Large language models increasingly \emph{understand} dialectal English, yet still \emph{produce} only standard, US-leaning English, leaving dialectal generation, the harder half of the problem, largely unaddressed. We introduce \textbf{DiaLLM}, which continually pretrains three o…