Hunzalah Hassan Bhatti
PulseAugur coverage of Hunzalah Hassan Bhatti — every cluster mentioning Hunzalah Hassan Bhatti across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
ImageEval 2026 任务着眼于具有文化基础的阿拉伯语多模态评估
ImageEval 2026 共享任务专注于具有文化基础的阿拉伯语多模态评估，包含两个主要任务。第一个是 AynVQA，评估英语和现代标准阿拉伯语的视觉问答和幻觉检测。第二个是 CRAI-Bench，评估文本到图像生成模型的文化准确性。共有十四个团队参加，其中十二个提交了系统描述，详细介绍了零样本提示和微调视觉语言模型等方法。该任务突显了在具有文化特性的多模态评估方面面临的挑战，尤其是在阿拉伯语方面。
-
Aslema系统在NADI 2026任务中拔得头筹，使用LLM生成的突尼斯语数据
研究人员开发了一个名为Aslema的系统，用于NADI 2026共享任务，专注于突尼斯Derja语音的意图识别和槽填充。该系统证明了微调大型语言模型（LLMs）的性能远超零样本推理。通过使用LLM生成的合成话语和语音克隆来增强训练数据，Aslema在测试集上的槽填充任务中取得了最高排名，并在意图识别任务中表现强劲。该团队计划发布他们的脚本和合成数据集，以促进该领域的进一步研究。
-
新的阿拉伯语语音大模型调优方法在关键任务上超越Gemini 2.5 Pro
研究人员开发了一种新的阿拉伯语语音大模型多任务指令调优方法，以应对复杂的语言结构和方言变体带来的挑战。他们推出了AraMega-SSum，这是首个用于训练和基准测试这些模型的阿拉伯语语音摘要数据集。实验比较了包括统一混合、任务渐进式课程和基于对齐器的多样化采样在内的各种训练策略，结果表明两阶段TPC->ADS方法提供了最佳平衡，在方言识别和语音情感识别等区分性任务上表现出色，甚至超越了Gemini 2.5 Pro等专有模型。