PulseAugur
中
实时 07:52:19
English(EN) TranslatePsy-AfriSLM: High-Quality Data Scaling For Low-Resource Machine Translation

新的SLM为19种非洲语言的机器翻译提供支持

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了TranslatePsy-AfriSLM，这是一套专门针对19种撒哈拉以南非洲语言的开源机器翻译资源。该项目解决了非洲语言在人工智能发展中存在的巨大差距，现有的大型语言模型在该领域往往表现不佳。该项目包括精心策划的并行数据、针对非洲语言量身定制的合成数据，以及一系列微调的小型语言模型（SLM）。这些SLM，即使参数量仅为0.8亿，也比TranslateGemma-27B和Qwen3.5-122B-A10B等规模大得多的模型表现更优，尤其是在采用质量评估过滤技术去除低质量训练数据后。 AI

影响 通过提高代表性不足语言的机器翻译能力，解决人工智能数字鸿沟问题。

排序理由 关于低资源语言新模型和数据集的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 Hugging Face Daily Papers 阅读 →

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

新的SLM为19种非洲语言的机器翻译提供支持

报道来源 [1]

  1. 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