Indic Languages
PulseAugur coverage of Indic Languages — every cluster mentioning Indic Languages across labs, papers, and developer communities, ranked by signal.
3 天有情绪数据
-
新基准揭示 LLM 在罗马化印度-英语代码混合方面存在困难
一个名为 Indi-RomCoM 的新基准已被开发出来，用于评估大型语言模型 (LLM) 理解和处理罗马化代码混合 (RCM) 的能力。RCM 是一种将印度语言与英语混合在罗马字母中的交流方式。研究人员发现，当前的 LLM 在 RCM 指令上的表现明显不佳，随着代码混合密度的增加，性能会下降。然而，与检测任务相比，推理任务的性能下降幅度较小，因为生成的解释提供了关键的上下文。该基准旨在促进更具包容性的多语言人工智能系统的发展。
-
帕尼尼语法为印度语言自然语言处理提供统一框架
一篇新研究论文提出了一种面向印度语言的统一计算框架，其灵感来源于帕尼尼语法。作者认为，这些语言之间共享的形态句法结构，在帕尼尼的《八章书》中得到了形式化，可以作为自然语言处理的统一基础。该方法旨在通过将分散的语言资源合并为一个高资源元语言基石，来提高面向超过十亿用户的自然语言处理工具的准确性、数据效率和可迁移性。该论文引入了一个四部分组成的基准套件，用于衡量和利用这种共享架构，同时也引发了关于神经模型可解释性的问题。
-
新的IndicGuard模型增强了印度语言的LLM安全性
研究人员开发了IndicGuard，这是一个专门为印度语言设计的新型多语言安全防护模型和数据集。该模型通过捕捉独特的区域性危害和社会政治敏感性，解决了现有以英语为中心的安全性机制的局限性。IndicGuard在基于Gemma-3-4B-IT的4B参数模型上进行了微调，在十种主要的印度语言中表现出更强的鲁棒性和审核一致性，优于基线CultureGuard模型。该框架还对未包含在其训练数据中的低资源印度语言表现出有效的泛化能力。
-
AI框架增强医疗保健中的多模态推理
研究人员正在开发先进的多代理框架，以增强AI在医疗保健等专业领域的能力。这些系统旨在提高推理准确性，并解决多语言和低资源环境中的局限性，特别是在医疗应用方面。创新包括用于印度语言多模态医学推理的框架、中文精神疾病诊断基准以及临床错误检测和病理学解释的方法。
-
新的ASR方法应对计算扩展和多语言评估
研究人员正在开发新的方法来改进自动语音识别（ASR）系统。一种名为LARM的方法使用深度条件循环Transformer，允许可调的测试时间计算，实现了与更深层模型相媲美的性能。另一个系统Murmur通过平衡低延迟的基于块的处理和准确性的长上下文模型，利用注意力稀疏性来处理长篇ASR。此外，还提出了一种名为脚本归一化WER（SN-WER）的新指标，通过对脚本差异进行归一化，以更准确地评估多语言环境下的ASR性能，特别是对于印度语言。
-
新流程针对印度语言中的辱骂性评论
研究人员开发了一种面向印度语言辱骂性评论的多阶段训练流程。该系统利用基于语言的预处理和模型集成来识别社交媒体上的有害内容。研究的一个关键重点是最小化误报，以确保在提高在线安全性的同时不损害言论自由。
-
SCRIBE框架通过新的错误分析改进印度语言的自动语音识别
研究人员推出SCRIBE，一个旨在改进印度语言自动语音识别（ASR）的新诊断框架。与传统的词错误率（WER）等指标不同，SCRIBE将错误分为词汇、标点、数字和领域实体类型，提供更细致的评估。该框架还纳入了容忍连读的对齐和领域词汇注入，以更好地处理黏着语。除了SCRIBE，该团队还发布了针对印地语、马拉雅拉姆语和卡纳达语的LLM策展管道、基准测试和开放权重丰富转录模型。
-
新的基准 FinVQA 和 FIND 框架解决了多语言金融推理问题
研究人员推出了 FinVQA，这是一个旨在评估多种印度语言金融推理和问答能力的新基准。该基准包含 18,900 个英文、印地语、孟加拉语、马拉地语、古吉拉特语和泰米尔语的样本，涵盖 14 个金融领域和各种问题格式。为了应对 FinVQA 带来的挑战，该团队还开发了 FIND，这是一个利用监督微调和约束感知解码来改进数值推理和多模态基础的框架。
-
新数据集和模型助力印度语言医疗对话
研究人员开发了 IndicMedDialog，一个旨在改进印度语言医疗对话系统的新数据集。该数据集包含英语和九种印度语言的并行多轮对话，通过使用 LLM 生成的合成咨询来增强现有的医疗对话数据而创建。研究团队还使用此数据集对小型语言模型 IndicMedLM 进行了微调，以实现个性化的多轮症状询问，并可选择患者的预设背景信息。
-
视觉线索增强印地语系电影字幕翻译
研究人员开发了一种视觉引导的电影字幕翻译方法，专注于资源匮乏的印地语系语言。他们的研究比较了两种轻量级的视觉基础策略，发现电影中的时间失配是一个重大挑战。虽然无差别的视觉基础通常无效，但选择性地用视觉上下文增强低质量字幕片段可以提高翻译质量。
-
新基准评估六维度的印度语言TTS口音保真度
研究人员推出PSP，一个旨在评估印度语言文本到语音（TTS）系统口音准确性的新基准。与关注清晰度和自然度的现有指标不同，PSP通过将其分解为六个不同的维度来专门衡量口音，包括卷舌音合并和韵律特征发散。对ElevenLabs v3和Sarvam Bulbul等系统的初步测试显示，在词错误率方面表现最佳的系统不一定在口音保真度方面表现出色，这凸显了对更细致评估方法的需求。
-
新研究评估了 7 个针对 10 种印度语言的 TTS 系统
研究人员开发了一个新的框架来评估印度语言的文本转语音（TTS）系统，解决了众包评估中通常出现的高方差问题。该框架使用跨越 10 种印度语言的受控、多维度成对比较，收集了来自 1900 多名母语人士的 120,000 多条判断。该研究评估了七个最先进的 TTS 系统，分析了跨越六个感知维度（如可懂度和语音质量）的偏好，以创建一个多语言排行榜并理解模型权衡。