Khmer
PulseAugur coverage of Khmer — every cluster mentioning Khmer across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
新语料库应对越南少数民族语言的自然语言处理挑战
研究人员开发了CKTN，这是一个新的语料库和基准，旨在解决越南少数民族语言（特别是占族、高棉语和岱依-农语）在自然语言处理资源稀缺的问题。该语料库包含44,367份文档和2400万个子词标记，突显了现有多种语言编码器由于脚本和标准化差异而在这些语言上遇到的困难。开发了一种新颖的脚本感知适应方法，包括词汇增强和校准替换标记预训练，以提高模型性能并减少碎片化，从而获得更强的分类结果。
-
LoRA 微调提升了低资源高棉语 TTS 的质量
研究人员开发了一种方法来提高高棉语和韩语等低资源语言的文本到语音（TTS）质量。通过使用单个低秩自适应（LoRA）适配器微调 2.4B 参数的 VoxCPM2 模型，他们将高棉语的平均意见得分（MOS）从 3.85 显著提高到 4.23。这种适配器仅训练了模型参数的一小部分，证明了其效率。该技术对于基础模型最初表现不佳的语言效果最好，而对于基础模型已经处理得很好的韩语，则没有显示出任何好处，甚至出现了性能下降。
-
新方法为亚洲文化背景调整大型语言模型安全测试
一篇新研究论文介绍了一种针对东亚和东南亚文化背景的大型语言模型（LLMs）进行文化适应性红队测试的方法学。研究发现，直接翻译英文基准测试会严重低估LLM的风险，而经过文化适应性调整的提示语能带来更高的攻击成功率。该研究强调，安全评估有必要根据特定的文化细微差别进行调整，而不是仅仅依赖语言翻译。
-
递归切块在柬埔寨语农业文献RAG中表现优异
研究人员评估了四种文本切块策略，用于一个检索增强生成（RAG）框架，并使用了柬埔寨语农业文献。研究发现，基于字符的递归切块方法，切块大小为300个字符，表现最佳。该方法实现了最低的L2距离和最高的答案相关性及柬埔寨语交并比（IoU）得分，与基于句子的方法相比有显著改进。
-
研究对高棉语问答的RAG模型进行基准测试
一项新研究探讨了检索增强生成（RAG）在高棉语中的有效性，高棉语是一种资源匮乏、非拉丁字母的语言。研究人员对三种用于密集检索的嵌入模型进行了基准测试，发现BGE-M3是表现最佳的模型。然后，他们评估了五种生成模型，注意到没有单一模型在所有指标上都表现出色，其中Qwen3.5-9B在忠实度和上下文相关性方面领先，Qwen3-8B在事实正确性方面领先，SeaLLMs-v3-7B-Chat在答案相关性和正确性方面领先。