M2M100
PulseAugur coverage of M2M100 — every cluster mentioning M2M100 across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
新方法将多语言神经机器翻译模型大小缩减60%，性能无损
研究人员开发了一个新颖的框架，通过剪枝词汇来优化多语言神经机器翻译（MNMT）模型。该方法通过将词汇量从超过128,000个词元减少到约10,000个词元，显著降低了内存和计算需求，在不影响性能的情况下实现了高达60%的内存节省。在针对英阿翻译的M2M100、NLLB-200和mBART-50等模型上进行的测试中，优化后的模型在语义充分性和流畅性方面表现出与专用双语基线相当或更优的性能。
-
新基准和语料库推动古希腊语到现代希腊语的翻译
研究人员开发了一个新的古希腊语到现代希腊语翻译基准和数据集，这项任务以前因缺乏平行数据而受到阻碍。AG-MG平行语料库包含超过132,000个句子对，是通过一个涉及网络抓取、先进对齐技术以及使用Gemini 2.5 Flash进行的大型语言模型错误纠正的新颖流程创建的。实验表明，微调Llama-Krikri-8B和M2M100等模型可显著提高翻译质量，最佳模型的BLEU得分达到13.16。
-
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。