Latin
PulseAugur coverage of Latin — every cluster mentioning Latin across labs, papers, and developer communities, ranked by signal.
3 天有情绪数据
-
无监督方法为古语生成有效的句子嵌入
研究人员开发了两种无监督学习策略，TSDAE 和对比句子嵌入 (CSE)，为古语创建有效的句子嵌入。这些方法仅使用原始文本来调整现有语言模型，在拉丁语和古希腊语文本的复用识别和对应检索等任务上，其表现优于多语言和专业基线。调整后的编码器即使在处理嘈杂的自动转录文本时也特别有效，并且有一个名为 Paraphrasis 的工具可供非专业人士使用完整的流程。
-
新的合成数据集提升波斯语OCR能力
研究人员推出了Persian Pixel，一个旨在提高波斯语光学字符识别（OCR）能力的大规模合成数据集。该数据集包含超过343,000个图像-文本对，使用SynthOCR-Gen框架生成，以准确模拟波斯语脚本的复杂性，包括连写连接和风格变化。Persian Pixel旨在克服标注数据的稀缺性，从而能够训练TrOCR和Donut等先进的OCR模型，并推动波斯语文档分析的发展。
-
New benchmark Loci Similes aids Latin intertextuality detection
研究人员推出 Loci Similes，一个旨在帮助检测拉丁文学中互文性联系的新基准。该基准包含一个包含约 172,000 个文本片段的数据集，其中有 545 个经过专家验证的对应关系，重点关注晚期古代作家及其古典影响。目标是促进能够识别超越简单词汇匹配的语义相似性的语言模型的发展，从而推进互文性研究。
-
扩散模型生成乌克兰手写文本，创建新数据集
研究人员开发了一种使用扩散模型生成乌克兰手写文本的方法，解决了低资源书写系统中的空白。他们创建了一个包含来自308位作者的超过126,000个乌克兰手写单词的新数据集。最初在拉丁字母脚本上训练的DiffusionPen模型，在该数据集上进行了重新训练，并展示了有效的跨域风格迁移能力，能够泛化到历史和当代乌克兰手写体。
-
深度学习框架分析罗曼语族语法性别转变
研究人员开发了一个可解释的深度学习框架，用于研究从拉丁语到奥克西唐语的语法性别演变。该研究通过提出一种新颖的分词器来解决低资源历史语言学的挑战，并分析了形态特征和词性类别对性别预测的贡献。研究结果阐明了性别信息如何在词形和句子语境之间分布。
-
深度学习模型追踪语法性别从拉丁语到罗曼语系的转变
研究人员开发了一个深度学习框架，用于研究语法性别系统从拉丁语到罗曼语系的演变。该研究侧重于在大多数罗曼语系中从三性别系统（阳性、阴性、中性）转变为两性别系统（阳性、阴性）。该框架分析了词汇和上下文因素，发现传统的标记化方法对于低资源历史语言来说是不够的，并且形态特征和词性类别在预测语法性别方面起着重要作用。
-
新的HGQ-LUT和da4ml方法加速DNN训练和FPGA部署
研究人员开发了HGQ-LUT，一种用于训练基于查找表（LUT）的神经网络的新方法，该方法显著加快了训练过程，在现代GPU上速度提升超过100倍。该方法引入了专门的层和细粒度量化，以自动探索精度-资源权衡，无需手动调整。HGQ-LUT已集成到开源工具链中，能够为像CERN大型强子对撞机这样的应用实际部署这些高效的DNN。