Hausa
PulseAugur coverage of Hausa — every cluster mentioning Hausa across labs, papers, and developer communities, ranked by signal.
5 天有情绪数据
-
First City Monument Bank 将为农民提供本地语言的 AI 咨询服务
First City Monument Bank 正在整合 AI，以豪萨语、约鲁巴语和伊博语提供咨询服务。该计划旨在支持小农户。该银行的努力在其 Agritech 校友影响报告中有详细介绍，该报告涵盖 2018 年至 2026 年。
-
新方法在无需重新训练的情况下恢复了非洲语言的AI安全性
研究人员开发了一种名为潜在空间拒绝锚定（Latent Space Refusal Anchoring, LSR-Anchoring）的新型无需训练的方法，以提高低资源非洲语言指令调优AI模型的安全性。该技术旨在恢复模型在英语中通常存在但在约鲁巴语、伊博语、伊加拉语和豪萨语等语言中缺失的拒绝能力，而无需进行大量重新训练或新的标记数据。主要变体“平均激活引导”（Mean-Activation Steering, MAS）在某些架构上显示出…
-
研究发现AI安全训练数据存在语言特定差距
arXiv上发表的一项新研究强调了AI安全训练数据中存在的显著语言特定差距，特别是对于豪萨语和斯瓦希里语等低资源语言。研究人员发现，声称广泛的多语言安全覆盖在审查下往往站不住脚，数据来源、标注可靠性和危害分类覆盖方面的问题以部分与资源水平相关的模式反复出现。值得注意的是，在所研究的非洲语言中，诸如自残和性内容等类别缺乏母语覆盖，而这一差距并非仅由资源水平决定。研究结果表明，这些数据缺陷可能导致多语言越狱鲁棒性方面持续存在不对称性，作者…
-
研究发现：大型语言模型（LLM）的安全防护未能跨越低资源语言
一篇新发表在arXiv上的研究论文强调了大型语言模型（LLM）跨语言安全性的显著局限性。该研究聚焦于四种非洲语言——Twi语、豪萨语、阿姆哈拉语和斯瓦希里语，发现为英语开发的安全性对齐方法并未有效迁移到这些低资源语言中。研究人员使用了一个名为LoDNA的新数据集和一个潜在几何框架，发现有害提示保留的英语拒绝信号不到10%，这表明当前的跨语言安全措施是肤浅的。
-
新的AfriNLLB模型为15种非洲语言提供高效翻译
研究人员开发了AfriNLLB，这是一套专为非洲语言设计的轻量级翻译模型。这些模型源自NLLB-200 600M架构，通过层剪枝和量化进行压缩。AfriNLLB模型在精心策划的非洲语言平行语料库上进行了微调，旨在为资源受限的环境提供高效的翻译能力。评估表明，AfriNLLB模型在实现与基线模型相当的性能的同时，翻译速度显著提高。
-
新的并行分词器框架提升低资源语言AI能力
研究人员开发了一个名为并行分词器的新框架，以改进多语言语言模型在低资源语言上的跨语言迁移能力。该方法包括对分词器进行单语训练，然后使用双语词典或词对词翻译来对齐它们的词汇表。这种对齐创建了一个共享的语义空间，增强了表示学习。在十三种低资源语言上训练的Transformer编码器进行的实验表明，与传统的跨语言基线相比，在情感分析和仇恨言论检测等任务上表现更优。
-
医疗AI模型在从英语切换到豪萨语时表现出显著的安全漂移
一篇新近发表在arXiv上的研究揭示，当从英语切换到豪萨语时，可部署的医疗语言模型在临床正确性方面出现了显著下降。研究人员发现，虽然一个前沿模型在豪萨语中保持了高准确率，但较小的、可在本地部署的模型性能却大幅下降，甚至产生了有害的响应。这种漂移在各种医疗条件下都有观察到，并归因于模型类别而非语言本身，这凸显了低资源医疗环境中AI跨语言安全性的关键差距。
-
ASR系统评估用于低资源非洲语言文本语料库
研究人员评估了自动语音识别（ASR）系统在为低资源非洲语言（特别是芳语和豪萨语）创建文本语料库方面的有效性。通过在芳语数据上微调MMS-300M模型，他们显著降低了词错误率（WER）。对于豪萨语，则使用了现有的微调Whisper-Small模型。虽然ASR流程对豪萨语显示出潜力，但芳语转录的质量表明需要改进模型或进行后处理。
-
大型语言模型在豪萨语和芳语翻译方面表现不佳，指标不可靠
一项新研究评估了四种大型语言模型（LLMs）在豪萨语和芳语（两种西非语言）上的机器翻译能力。研究发现，虽然GPT-4o mini等模型在豪萨语翻译方面达到了可接受的质量，但所有评估系统在芳语翻译方面表现都很差。模型在两种语言之间的表现差异很大，Gemini 2.5 Flash在芳语方面领先，GPT-4o mini在豪萨语方面领先，这表明在一种低资源语言上的表现并不能预测在另一种语言上的表现。研究还强调了标准自动评估指标存在的问题，这些…
-
研究发现对比提示可提升非洲语言NLI性能
一项新近发表在arXiv上的研究，探讨了低资源非洲语言（特别是斯瓦希里语、约鲁巴语和豪萨语）的自然语言推断（NLI）的提示策略。研究人员在Llama3.2-3B和Gemma3-4B模型上评估了五种不同的提示技术，发现对比提示始终能获得最佳结果。研究强调了提示构建在实现这些语言稳健的NLI性能方面起着至关重要的作用，甚至优于具有少样本示例或思维链推理的模型。
-
新语料库旨在促进非洲语言在科学领域的应用
一个名为 AfriScience-MT 的新平行语料库已被开发出来，以解决六种非洲语言（阿姆哈拉语、豪萨语、卢干达语、北部索托语、约鲁巴语和祖鲁语）在科学术语方面存在的不足。该语料库由专业翻译和科学传播者创建，涵盖 11 个科学领域，旨在实现非洲科学传播的去殖民化。对机器翻译系统和大型语言模型的基准测试显示，GPT-5.4 和 Gemini-3.1-Flash-Lite 等闭源模型优于开源模型，其中 NLLB-1.3B 在微调后表现最佳。
-
Survey maps NLP resources for Hausa and Fongbe languages
一项新的调查论文详细介绍了当前用于豪萨语和芳贝语（两种西非语言）的自然语言处理（NLP）资源的现状。该研究系统地编目了可用的文本和语音数据集、预训练模型和基准，发现豪萨语拥有更多样化的文本资源，而芳贝语近期在语音数据方面受到了学术界的关注。该论文指出了关键的差距，例如芳贝语的特定领域文本和豪萨语的专用语音语料库，并为这些语言未来的 NLP 开发提供了建议。
-
新的 SBPN 模型通过知识蒸馏提升尼日利亚语言 ASR 性能
研究人员开发了一个名为 Sometin Beta Pass Notin (SBPN) 的新多语言自动语音识别 (ASR) 框架，以提高尼日利亚语言的性能。该框架采用两阶段知识蒸馏过程，首先从单一语言模型进行蒸馏，然后通过伪标记数据的迭代自我改进。该方法在 Common Voice 和 Fleurs 等基准测试中，相对于基线平均降低了 29% 的词错误率，并且优于现有的最先进的多语言模型。SBPN 以两种尺寸发布为开放基础模型，旨在为该…
-
新模型通过纠正书写异常来改进 Hausa 自然语言处理
研究人员开发了一种自动纠正 Hausa 文本中书写异常的方法，例如字符替换和间距错误，这些异常经常阻碍自然语言处理应用。他们创建了一个包含超过 400,000 个噪声-干净 Hausa 句子对的数据集，并对包括 M2M100 和 AfriTeVA 在内的各种基于 Transformer 的模型进行了微调。实验表明，M2M100 等模型取得了最先进的结果，证明纠错显著提高了低资源语言的文本分类和机器翻译等下游任务。