mBART
PulseAugur coverage of mBART — every cluster mentioning mBART across labs, papers, and developer communities, ranked by signal.
-
使用合成数据开发的直接手语翻译模型
研究人员开发了一种新颖的直接翻译不同手语的方法，填补了当前手语技术的空白。他们的方法利用反向翻译创建合成平行语料库，从而能够训练一个模型同时进行文本到手语和手语到手语的翻译。这种直接方法在准确性和速度上显著优于级联系统，有望改善聋哑和听障人士之间的跨语言交流。
-
Encoder-decoder transformers advance constituent parsing accuracy
研究人员探索了使用预训练的编码器-解码器 Transformer 模型进行句法成分分析，这是自然语言理解的关键任务。他们的工作通过对 BART、mBART 和 T5 等模型进行微调以生成线性化解析树，扩展了现有的序列到序列方法。研究表明，与专用解析器相比，该方法取得了有竞争力的结果，并且在连续解析任务上超越了之前的序列到序列模型。
-
新数据集和基准推动孟加拉语文本到手语翻译以支持 BdSL
研究人员开发了首个孟加拉语文本到手语翻译的数据集和基准，解决了孟加拉手语（BdSL）社区的一个重大空白。该数据集包括手动标注和合成生成的句子-手语词对，旨在帮助低资源翻译工作。实验表明，GPT-5.4 的整体表现最佳，而微调后的 mBART 模型则以更小的规模提供了有竞争力的结果，Qwen-3 在人类评估中表现出色。
-
新研究为塔吉克-波斯语机器音译模型建立基准
本文介绍了塔吉克语和波斯语之间机器音译的新基准，并从不同来源开发了一个独特的平行语料库。该研究比较了六种模型架构，包括基于规则的系统、LSTM、Transformer 和预训练的多语言模型。结果表明，对于这种语言对，字节级和字符级模型（尤其是 ByT5）的性能明显优于 mT5 等基于子词的模型。
-
CRAFT方法加速了序列到序列模型的训练数据选择
研究人员开发了一种名为CRAFT（Clustered Regression for Adaptive Filtering of Training data）的新方法，用于高效地为序列到序列模型选择高质量的训练数据子集。该方法分解了联合源-目标分布，并使用两阶段选择过程来匹配验证分布并最小化预期距离。CRAFT在英-印翻译任务中表现出显著的改进，取得了比现有方法更高的BLEU分数，同时大大缩短了选择时间。