研究人员推出了IndicTalk，这是一个大规模的多语言、代码混合对话新语料库，旨在推进印度语言的对话式AI。该数据集包含超过130万个多轮对话，涵盖9种印度语言的18个语种变体，这些对话是使用基于真实世界新闻的大型语言模型自动生成的。IndicTalk旨在解决这些语言高质量对话资源稀缺的问题，支持开发更强大的对话式AI系统。 AI
影响 该数据集将能够为代表性不足的印度语言开发和评估更复杂的、多语言的对话式AI系统。
排序理由 该集群描述了一篇介绍用于对话式AI的大规模数据集的新研究论文。
在 Hugging Face Daily Papers 阅读 →
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2607.23242v1 Announce Type: new Abstract: Large Language Models (LLMs) have transformed conversational AI, yet high-quality multilingual code-mixed dialogue resources remain scarce, particularly for Indic languages where speakers naturally alternate between English and thei…
Large Language Models (LLMs) have transformed conversational AI, yet high-quality multilingual code-mixed dialogue resources remain scarce, particularly for Indic languages where speakers naturally alternate between English and their native language in both native-script and Roma…