PulseAugur
中
实时 09:01:15
English(EN) TranslatePsy-AfriSLM: High-Quality Data Scaling For Low-Resource Machine Translation

新的SLM模型提升19种非洲语言的机器翻译能力

作者 PulseAugur 编辑部 · [2 个来源] ·

一项新的研究论文介绍TranslatePsy-AfriSLM，这是一套旨在改善19种撒哈拉以南非洲语言机器翻译的资源。该项目包括精选的平行数据、为非洲语言量身定制的合成数据，以及一系列微调后的小型语言模型（SLM）。研究强调，过滤训练数据可以去除高达96%的标记而不会损失质量，并且过滤后的合成数据提供了卓越的质量效率。最终的TranslatePsy-AfriSLM模型在参数数量显著减少的情况下，表现优于TranslateGemma-27B和Qwen3.5-122B-A10B等大型系统。 AI

影响 解决了非洲语言的AI数字鸿沟问题，可能加速AI在非洲大陆的普及和可及性。

排序理由 该集群描述了一篇介绍用于低资源机器翻译的数据集和模型创建的新研究论文。

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 →

新的SLM模型提升19种非洲语言的机器翻译能力

报道来源 [2]

  1. arXiv cs.CL TIER_1 English(EN) · Milan Gritta, Patrik Lambert, Jihye Back, Amril Nazir ·

    TranslatePsy-AfriSLM：低资源机器翻译的高质量数据扩展

    arXiv:2608.18655v1 Announce Type: new Abstract: The rapid progress in Artificial Intelligence has largely bypassed African languages, creating a digital divide that limits AI adoption on the continent. Recent open-source LLMs systematically underperform on African machine transla…

  2. Hugging Face Daily Papers TIER_1 English(EN) ·

    TranslatePsy-AfriSLM：低资源机器翻译的高质量数据扩展

    The rapid progress in Artificial Intelligence has largely bypassed African languages, creating a digital divide that limits AI adoption on the continent. Recent open-source LLMs systematically underperform on African machine translation, while the lack of large-scale, high-qualit…

相关实体

相关话题