PulseAugur
中
实时 11:04:34
English(EN) Evaluating Dedicated Monolingual and Joint Multilingual Causal Models for Dravidian Languages

单语模型在达罗毗荼语系上优于多语模型

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发并评估了五个GPT-2架构模型，以评估多语语言模型在达罗毗荼语系上的表现。其中四个模型分别针对泰米尔语、泰卢固语、卡纳达语和马拉雅拉姆语进行了单语训练，每个模型都有自己的分词器。第五个模型进行了多语训练，在所有四种语言之间共享一个分词器。研究发现，在情感分类和命名实体识别等任务上，单语模型的表现优于多语模型mGPT，并且显示出更高的分词器效率。 AI

影响 这项研究突显了当前多语模型在代表性不足的语言方面可能存在的局限性，并表明单语模型可能在特定语言任务上提供更优越的表现。

排序理由 该集群包含一篇详细评估语言模型的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CL 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

单语模型在达罗毗荼语系上优于多语模型

报道来源 [1]

  1. arXiv cs.CL TIER_1 English(EN) · Venkata Naga Sai Vishnu Rohit Pulipaka ·

    评估用于德拉维达语系的专用单语和联合多语因果模型

    arXiv:2608.07727v1 Announce Type: new Abstract: Dravidian languages, mainly Tamil, Telugu, Kannada, and Malayalam make up only a small part of the data used to train multilingual language models, so it's not clear how much per-language ability these models actually keep. I have t…

相关实体

相关话题